क्रेडिट डेटा में आउट्लायर

Python में क्रेडिट रिस्क मॉडलिंग

Michael Crabtree

Data Scientist, Ford Motor Company

डेटा प्रोसेसिंग

  • तैयार डेटा से मॉडल तेज़ी से ट्रेन होते हैं
  • अक्सर मॉडल परफॉर्मेंस बेहतर होती है

तीन अलग-अलग मॉडलों का ROC चार्ट

Python में क्रेडिट रिस्क मॉडलिंग

आउट्लायर और परफॉर्मेंस

आउट्लायर के संभावित कारण:

  • डेटा एंट्री सिस्टम की समस्याएँ (मानवीय त्रुटि)
  • डेटा इनजेशन टूल्स की दिक्कतें
Python में क्रेडिट रिस्क मॉडलिंग

आउट्लायर और परफॉर्मेंस

आउट्लायर के संभावित कारण:

  • डेटा एंट्री सिस्टम की समस्याएँ (मानवीय त्रुटि)
  • डेटा इनजेशन टूल्स की दिक्कतें
फीचर आउट्लायर के साथ कोएफिशिएंट आउट्लायर बिना कोएफिशिएंट
इंटरेस्ट रेट 0.2 0.01
एम्प्लॉयमेंट लेंथ 0.5 0.6
इनकम 0.6 0.75
Python में क्रेडिट रिस्क मॉडलिंग

क्रॉस टेबल्स से आउट्लायर पकड़ना

  • एग्रीगेट फंक्शन के साथ क्रॉस टेबल्स का उपयोग करें
pd.crosstab(cr_loan['person_home_ownership'], cr_loan['loan_status'],
            values=cr_loan['loan_int_rate'], aggfunc='mean').round(2)

Python में क्रेडिट रिस्क मॉडलिंग

विज़ुअली आउट्लायर पहचानना

विज़ुअली आउट्लायर पहचानें

  • हिस्टोग्राम
  • स्कैटर प्लॉट

एम्प्लॉयमेंट लेंथ और लोन इंटरेस्ट रेट का स्कैटर प्लॉट

Python में क्रेडिट रिस्क मॉडलिंग

आउट्लायर हटाना

  • Pandas में .drop() मेथड का उपयोग करें
indices = cr_loan[cr_loan['person_emp_length'] >= 60].index
cr_loan.drop(indices, inplace=True)

आउट्लायर हटाकर इंटरेस्ट रेट और एम्प्लॉयमेंट लेंथ का स्कैटर प्लॉट

Python में क्रेडिट रिस्क मॉडलिंग

अभ्यास करते हैं!

Python में क्रेडिट रिस्क मॉडलिंग

Preparing Video For Download...