Visualizzare gli outlier di credito
Hai individuato outlier in person_emp_length, dove i valori superiori a 60 erano ben oltre la norma. Anche person_age è una colonna per cui, con il buon senso, è molto improbabile che una persona che richiede un prestito abbia più di 100 anni.
Visualizzare i dati può essere un altro modo semplice per rilevare gli outlier. Puoi usare altre colonne numeriche come loan_amnt e loan_int_rate per creare grafici insieme a person_age e cercare outlier.
L’insieme di dati cr_loan è stato caricato nell’area di lavoro.
Questo esercizio fa parte del corso
Credit Risk Modeling in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()