Trực quan hóa các giá trị ngoại lai về tín dụng
Bạn đã phát hiện các giá trị ngoại lai trong person_emp_length khi những giá trị lớn hơn 60 vượt xa mức bình thường. person_age là một cột khác mà theo lẽ thường, rất khó có khả năng người nộp đơn vay lại trên 100 tuổi.
Trực quan hóa dữ liệu cũng là một cách dễ dàng khác để phát hiện ngoại lai. Bạn có thể dùng các cột số khác như loan_amnt và loan_int_rate để vẽ biểu đồ cùng với person_age nhằm tìm kiếm các điểm ngoại lai.
Bộ dữ liệu cr_loan đã được nạp trong môi trường làm việc.
Bài tập này là một phần của khóa học
Mô hình hóa Rủi ro Tín dụng bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()