Kredi aykırı değerlerini görselleştirme
person_emp_length sütununda 60'tan büyük değerlerin normun çok üzerinde olduğunu keşfettin. person_age de sağduyuyla değerlendirilebilecek başka bir sütun: Krediye başvuran birinin 100 yaşın üzerinde olması çok düşük bir olasılık.
Veriyi görselleştirmek, aykırı değerleri tespit etmenin başka bir kolay yoludur. person_age ile birlikte loan_amnt ve loan_int_rate gibi diğer sayısal sütunları kullanarak aykırı değerleri aramak için grafikler oluşturabilirsin.
cr_loan veri kümesi çalışma alanına yüklendi.
Bu egzersiz
Python ile Kredi Riski Modellemesi
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()