Avvikande värden i kreditdata

Kreditriskmodellering i Python

Michael Crabtree

Data Scientist, Ford Motor Company

Databearbetning

  • Förberedd data gör att modeller tränas snabbare
  • Påverkar ofta modellens prestanda positivt

ROC-diagram för tre olika modeller

Kreditriskmodellering i Python

Avvikande värden och prestanda

Möjliga orsaker till avvikande värden:

  • Problem med datainmatningssystem (mänskliga fel)
  • Problem med verktyg för datainläsning
Kreditriskmodellering i Python

Avvikande värden och prestanda

Möjliga orsaker till avvikande värden:

  • Problem med datainmatningssystem (mänskliga fel)
  • Problem med verktyg för datainläsning
Särdrag Koefficient med avvikare Koefficient utan avvikare
Ränta 0.2 0.01
Anställningstid 0.5 0.6
Inkomst 0.6 0.75
Kreditriskmodellering i Python

Identifiera avvikare med korstabeller

  • Använd korstabeller med aggregatfunktioner
pd.crosstab(cr_loan['person_home_ownership'], cr_loan['loan_status'],
            values=cr_loan['loan_int_rate'], aggfunc='mean').round(2)

Kreditriskmodellering i Python

Identifiera avvikare visuellt

Identifiera avvikare visuellt

  • Histogram
  • Spridningsdiagram

Spridningsdiagram över anställningstid och låneränta

Kreditriskmodellering i Python

Ta bort avvikande värden

  • Använd metoden .drop() i Pandas
indices = cr_loan[cr_loan['person_emp_length'] >= 60].index
cr_loan.drop(indices, inplace=True)

Spridningsdiagram över ränta och anställningstid utan avvikare

Kreditriskmodellering i Python

Nu kör vi en övning!

Kreditriskmodellering i Python

Preparing Video For Download...