Explorarea datelor de credit

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!

Acest exercițiu face parte din cursul

Modelarea riscului de credit în R

Vezi cursul

Instrucțiuni pentru exercițiu

Familiarizează-te cu setul de date examinându-i structura cu str().
Încarcă pachetul gmodels folosind library(). Acesta este deja instalat pe serverele DataCamp.
Aruncă o privire la CrossTable() pentru statusul împrumutului, folosind un singur argument: loan_data$loan_status.
Apelează CrossTable() cu argumentul x setat la loan_data$grade și argumentul y setat la loan_data$loan_status. Vrem doar proporții pe rânduri, deci setează prop.r la TRUE, iar prop.c, prop.t și prop.chisq la FALSE (valorile implicite sunt TRUE, ceea ce ar include proporții pe coloane, proporții de tabel și contribuții chi-pătrat pentru fiecare celulă — nu avem nevoie de acestea aici).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# View the structure of loan_data


# Load the gmodels package 


# Call CrossTable() on loan_status


# Call CrossTable() on grade and loan_status

Editează și rulează codul