Exploration des données de crédit

Nous allons analyser le jeu de données loan_data présenté dans la vidéo tout au long des exercices de ce cours.

À partir de loan_data, vous vous intéressez particulièrement aux prêts en défaut dans le jeu de données. Vous voulez vous faire une idée du nombre et du pourcentage de défauts. Les défauts étant rares, il est important de vérifier systématiquement leur proportion dans un jeu de données de prêts. La fonction CrossTable() est très utile ici.

Rappelez-vous que l'information sur le défaut est stockée dans la variable réponse loan_status, où 1 représente un default et 0 un non-default.

Pour mieux comprendre la structure des variables et repérer des tendances inattendues, vous devriez examiner la relation entre loan_status et certaines variables de type factor. Par exemple, vous vous attendriez à ce que la proportion de défauts dans le groupe de clients ayant la grade G (pire cote de crédit) soit nettement plus élevée que dans le groupe grade A (meilleure cote de crédit).

Pratique, CrossTable() peut aussi s'appliquer à deux variables catégorielles. Explorons cela !

Cette activité fait partie du cours

Modélisation du risque de crédit en R

Voir le cours

Instructions de l’exercice

Familiarisez-vous avec le jeu de données en examinant sa structure avec str().
Chargez le paquet gmodels à l'aide de library(). Il est déjà installé sur les serveurs de DataCamp.
Examinez la CrossTable() de l'état du prêt en utilisant un seul argument : loan_data$loan_status.
Appelez CrossTable() avec l'argument x égal à loan_data$grade et l'argument y égal à loan_data$loan_status. Nous voulons seulement les proportions par ligne, donc fixez prop.r à TRUE, mais prop.c, prop.t et prop.chisq à FALSE (les valeurs par défaut ici sont TRUE, ce qui inclurait les proportions par colonne, les proportions du tableau et les contributions du khi carré pour chaque cellule. Nous n'en avons pas besoin ici).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# View the structure of loan_data


# Load the gmodels package 


# Call CrossTable() on loan_status


# Call CrossTable() on grade and loan_status

Modifier et exécuter le code