De-a lungul exercițiilor din acest curs, vom analiza setul de date loan_data prezentat în video.

După ce primești loan_data, ești interesat în special de împrumuturile care au intrat în default. Vrei să ai o idee despre numărul și procentul acestora. Defaulturile sunt rare, așadar este important să verifici întotdeauna proporția lor într-un set de date cu împrumuturi. Funcția CrossTable() este foarte utilă în acest sens.

Reține că informațiile despre default sunt stocate în variabila răspuns loan_status, unde 1 reprezintă un default, iar 0 reprezintă non-default.

Pentru a înțelege mai bine structura variabilelor și pentru a identifica tendințe neașteptate în date, ar trebui să examinezi relația dintre loan_status și anumite variabile de tip factor. De exemplu, te-ai aștepta ca proporția defaulturilor în grupul clienților cu calificativul grade G (cel mai slab scor de credit) să fie considerabil mai mare decât proporția defaulturilor în grupul grade A (cel mai bun scor de credit).

Un avantaj al funcției CrossTable() este că poate fi aplicată și pe două variabile categorice. Să explorăm!

Împărțirea datelor și matricele de confuzie

Create Your Free Account