Wartości odstające
Czas przyjrzeć się strukturze zmiennej age. Po prawej stronie widoczny jest histogram. Podobnie jak w przypadku rocznego dochodu (annual_inc) omówionego w lekcji wideo, po prawej stronie wykresu widać dużo pustej przestrzeni. To może wskazywać na obecność wartości odstających. Sprawdź to, tworząc wykres punktowy, a jeśli znajdziesz takie wartości, usuń je.
Jeśli wartości odstające pojawiają się w kilku zmiennych, warto przyjrzeć się wykresom dwuwymiarowym. Możliwe, że te same obserwacje są źródłem problemów w wielu miejscach. Jeśli tak jest, tym bardziej warto je usunąć, bo istnieje większe prawdopodobieństwo, że zawierają błędne dane.
To ćwiczenie jest częścią kursu
Modelowanie ryzyka kredytowego w R
Instrukcje do ćwiczenia
- Stwórz wykres punktowy zmiennej
age(korzystając zloan_data$age) za pomocą funkcjiplot(). Jako drugi argument podajylab, nadając osi Y etykietę"Age". - Najstarsza osoba w tym zbiorze danych ma ponad 122 lata! Za pomocą funkcji which() i warunku
loan_data$age > 122znajdź indeks tej wartości odstającej. Przypisz go do obiektuindex_highage. - Utwórz nowy zbiór danych
new_data, usuwając z niego obserwację z zawyżonym wiekiem, korzystając z obiektuindex_highage. - Przyjrzyj się dwuwymiarowemu wykresowi punktowemu, na którym oś X przedstawia wiek, a oś Y – roczny dochód. Zmień etykiety na odpowiednio
"Age"i"Annual Income".
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot the age variable
# Save the outlier's index to index_highage
# Create data set new_data with outlier deleted
new_data <- loan_data[-___, ]
# Make bivariate scatterplot of age and annual income
plot(loan_data$age, loan_data$annual_inc, xlab = "___", ylab = "___")