Vizualizarea valorilor extreme din datele de credit
Ai descoperit valori extreme în person_emp_length, unde valorile mai mari de 60 depășeau cu mult norma. person_age este o altă coloană în care poți aplica logica bunului simț: este foarte puțin probabil ca o persoană care solicită un împrumut să aibă peste 100 de ani.
Vizualizarea datelor poate fi o altă metodă simplă de a detecta valorile extreme. Poți folosi alte coloane numerice, precum loan_amnt și loan_int_rate, pentru a crea grafice împreună cu person_age și a identifica valorile extreme.
Setul de date cr_loan a fost încărcat în spațiul de lucru.
Acest exercițiu face parte din cursul
Modelarea Riscului de Credit în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()