クレジットデータの外れ値を可視化する
person_emp_length では、60を超える値が明らかに基準から外れていることを見つけました。person_age も、ローン申請者が100歳を超える可能性は非常に低いと常識的に判断できる列です。
ここではデータを可視化することで、外れ値を簡単に検出できます。loan_amnt や loan_int_rate などの数値列を使い、person_age と組み合わせてプロットを作成し、外れ値を探してみましょう。
データセット cr_loan はワークスペースに読み込まれています。
この演習はコースの一部です
Pythonで学ぶクレジットリスクモデリング
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()