視覺化信用資料中的離群值
你已經在 person_emp_length 中發現離群值，其中大於 60 的值遠高於常態。person_age 也是一個可以用常識判斷的欄位：申請貸款的人超過 100 歲的機率極低。
在這裡將資料視覺化，是另一個容易偵測離群值的方法。你可以把 loan_amnt 和 loan_int_rate 等數值欄位與 person_age 一起作圖來尋找離群值。
資料集 cr_loan 已載入至工作環境。
本練習屬於課程
以 Python 進行信用風險建模
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()