进一步数据分析

上一次对数据进行了简单的特征值处理，填补了缺失值，将数据格式做了处理，用基本原版的数据跑了一遍模型，成绩一般，所以这周将对数据进行进一步的分析处理，筛选出有更有意义的特征数据来进行训练，从而得出更好的结果。
首先根据常识分析，判断是否违约，有几个特征值是一般来说比较关键的：贷款金额、贷款人的年收入。这两个变量是直观来看，一个人是否会违约的关键数据，比如我贷款1块钱，那我没道理违约，我年收入一亿元，那我大概率也不会违约。当然这只是直观的想法，具体的分析在统计图上看出：
首先是贷款金额的数据分布图，从图中可以看出，大部分的贷款金额在5K-25K之间，低于5K和高于25K的贷款金额量较少。
再看贷款金额的违约情况：
图中1表示违约了，0表示没有违约，所以可以看出，在贷款金额小于10K左右的时候，违约的人数较少，而大于10K的时候，违约的人数较多，这也可以作为一个比较重要的特征值来加入模型的训练。
然后再看年收入的情况：
图中可以看出，年收入差距非常大。再看和是否违约的关系图：
图中只能大致看出违约的人数较多，在高于一定值后基本是不会违约的。但是由于数据的差异太大，所以在此暂时不考虑作为特征值参与模型的训练。

小结

本周主要是在上周的模型中，做了数据的分析处理，根据直观的感受，抓出两个特征值来进行分析，暂时将年收入这个特征值放弃，下周主要是继续进行数据分析处理，然后将处理后的数据再跑一遍模型，看看成绩是否比上次好一些，然后一步一步优化自己的模型，从而将结果做到最好。