進一步資料分析

• 上一次對資料進行了簡單的特徵值處理，填補了缺失值，將資料格式做了處理，用基本原版的資料跑了一遍模型，成績一般，所以這周將對資料進行進一步的分析處理，篩選出有更有意義的特徵資料來進行訓練，從而得出更好的結果。
• 首先根據常識分析，判斷是否違約，有幾個特徵值是一般來說比較關鍵的：貸款金額、貸款人的年收入。這兩個變數是直觀來看，一個人是否會違約的關鍵資料，比如我貸款1塊錢，那我沒道理違約，我年收入一億元，那我大概率也不會違約。當然這只是直觀的想法，具體的分析在統計圖上看出：
  
• 首先是貸款金額的資料分佈圖，從圖中可以看出，大部分的貸款金額在5K-25K之間，低於5K和高於25K的貸款金額量較少。
• 再看貸款金額的違約情況：
  
• 圖中1表示違約了，0表示沒有違約，所以可以看出，在貸款金額小於10K左右的時候，違約的人數較少，而大於10K的時候，違約的人數較多，這也可以作為一個比較重要的特徵值來加入模型的訓練。
• 然後再看年收入的情況：
  
• 圖中可以看出，年收入差距非常大。再看和是否違約的關係圖：
  
• 圖中只能大致看出違約的人數較多，在高於一定值後基本是不會違約的。但是由於資料的差異太大，所以在此暫時不考慮作為特徵值參與模型的訓練。

小結

• 本週主要是在上週的模型中，做了資料的分析處理，根據直觀的感受，抓出兩個特徵值來進行分析，暫時將年收入這個特徵值放棄，下週主要是繼續進行資料分析處理，然後將處理後的資料再跑一遍模型，看看成績是否比上次好一些，然後一步一步優化自己的模型，從而將結果做到最好。