क्रेडिट आउट्लायर का विज़ुअलाइज़ेशन
आपने person_emp_length में आउट्लायर पाए, जहाँ 60 से अधिक मान सामान्य से बहुत ऊपर थे। person_age भी ऐसा कॉलम है जिसमें साधारण समझ से कहा जा सकता है कि लोन के लिए आवेदन करने वाला व्यक्ति 100 वर्ष से अधिक उम्र का होना बहुत ही असंभावित है.
यहाँ डेटा का विज़ुअलाइज़ेशन करना आउट्लायर पहचानने का एक और आसान तरीका हो सकता है। आप person_age के साथ प्लॉट बनाने के लिए loan_amnt और loan_int_rate जैसे अन्य न्यूमेरिक कॉलम का उपयोग कर सकते हैं ताकि आउट्लायर ढूँढ़े जा सकें.
वर्कस्पेस में cr_loan डेटासेट लोड कर दिया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में क्रेडिट रिस्क मॉडलिंग
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()