신용 데이터의 이상치 시각화하기
person_emp_length에서 60을 초과하는 값들이 정상 범위를 크게 벗어난 이상치라는 점을 확인하셨죠. 또한 person_age 역시常識적으로 대출 신청자의 나이가 100세를 넘을 가능성은 매우 낮다고 볼 수 있는 열입니다.
여기서는 데이터를 시각화하여 이상치를 쉽게 탐지해 보겠습니다. loan_amnt와 loan_int_rate 같은 다른 수치형 열을 person_age와 함께 사용해 이상치를 찾는 플롯을 만들어 보세요.
데이터 세트 cr_loan은 워크스페이스에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 신용 리스크 모델링
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()