신용 데이터의 이상치

Python을 활용한 신용 위험 모델링

Michael Crabtree

Data Scientist, Ford Motor Company

데이터 처리

  • 데이터를 준비하면 모델이 더 빠르게 학습할 수 있습니다
  • 모델 성능에도 긍정적인 영향을 미치는 경우가 많습니다

세 가지 모델의 ROC 차트

Python을 활용한 신용 위험 모델링

이상치와 성능

이상치의 가능한 원인:

  • 데이터 입력 시스템 문제(사람의 실수)
  • 데이터 수집 도구 문제
Python을 활용한 신용 위험 모델링

이상치와 성능

이상치의 가능한 원인:

  • 데이터 입력 시스템 문제(사람의 실수)
  • 데이터 수집 도구 문제
특성 이상치 포함 시 계수 이상치 제거 시 계수
이자율 0.2 0.01
재직 기간 0.5 0.6
소득 0.6 0.75
Python을 활용한 신용 위험 모델링

교차표로 이상치 탐지하기

  • 집계 함수와 교차표를 사용합니다
pd.crosstab(cr_loan['person_home_ownership'], cr_loan['loan_status'],
            values=cr_loan['loan_int_rate'], aggfunc='mean').round(2)

Python을 활용한 신용 위험 모델링

이상치를 시각적으로 탐지하기

이상치를 시각적으로 탐지하기

  • 히스토그램
  • 산점도

재직 기간과 대출 이자율의 산점도

Python을 활용한 신용 위험 모델링

이상치 제거하기

  • Pandas의 .drop() 메서드를 사용합니다
indices = cr_loan[cr_loan['person_emp_length'] >= 60].index
cr_loan.drop(indices, inplace=True)

이상치를 제거한 이자율과 재직 기간의 산점도

Python을 활용한 신용 위험 모델링

연습해 봅시다!

Python을 활용한 신용 위험 모델링

Preparing Video For Download...