Explorando os dados de crédito

Vamos analisar o conjunto de dados loan_data mencionado no vídeo ao longo dos exercícios deste curso.

Dado o loan_data, você está particularmente interessado nos empréstimos inadimplentes no conjunto de dados. Você quer ter uma ideia do número e do percentual de inadimplências. Inadimplências são raras, então você sempre deve verificar qual é a proporção de inadimplências em um conjunto de dados de empréstimos. A função CrossTable() é muito útil aqui.

Lembre-se de que a informação de inadimplência está armazenada na variável resposta loan_status, em que 1 representa default e 0 representa non-default.

Para entender melhor as estruturas das variáveis e identificar tendências inesperadas nos dados, você deve examinar a relação entre loan_status e certas variáveis do tipo factor. Por exemplo, você esperaria que a proporção de inadimplências no grupo de clientes com grade G (pior pontuação de classificação de crédito) seja substancialmente maior do que a proporção de inadimplências no grupo grade A (melhor pontuação de classificação de crédito).

Convenientemente, CrossTable() também pode ser aplicada a duas variáveis categóricas. Vamos explorar!

Este exercício faz parte do curso

Modelagem de Risco de Crédito em R

Ver curso

Instruções do exercício

Familiarize-se com o conjunto de dados olhando sua estrutura com str().
Carregue o pacote gmodels usando library(). Ele já está instalado nos servidores da DataCamp.
Dê uma olhada no CrossTable() do status do empréstimo, usando apenas um argumento: loan_data$loan_status.
Chame CrossTable() com o argumento x como loan_data$grade e o argumento y como loan_data$loan_status. Queremos apenas proporções por linha, então defina prop.r como TRUE, mas prop.c, prop.t e prop.chisq como FALSE (os valores padrão aqui são TRUE, o que incluiria proporções por coluna, proporções da tabela e contribuições do qui-quadrado para cada célula. Não precisamos disso agora.)

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# View the structure of loan_data


# Load the gmodels package 


# Call CrossTable() on loan_status


# Call CrossTable() on grade and loan_status

Editar e executar o código