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

Après avoir obtenu loan_data, vous vous intéressez particulièrement aux prêts en défaut dans ce jeu de données. Vous souhaitez connaître leur nombre et leur pourcentage. Les défauts sont rares ; il est donc essentiel de vérifier la proportion de défauts 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 en savoir plus sur la structure des variables et repérer d’éventuelles tendances inattendues, vous devriez examiner la relation entre loan_status et certaines variables de type factor. Par exemple, vous vous attendez à ce que la proportion de défauts dans le groupe de clients avec la grade G (la pire note de crédit) soit nettement plus élevée que la proportion de défauts dans le groupe grade A (la meilleure note de crédit).

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

Découpage des données et matrices de confusion

Create Your Free Account