金融风控-贷款违约预测
今天是task02的打卡时间点，作为社畜，时间着实紧张。EDA结果不是很好。但是也是作为一种记录，记录自己的学习过程。看到群里的小伙伴拿到0.73的成绩，我觉得，我也是可以的，周末好好加油学习，你也是可以的。
本章主要是进行数据可视化，探索可自变量与应变量之间的关系
首先看了变量类型，里面共有5个类别型变量，其余都为数值型变量。但是看了其分布，感觉这些数值型变量中，还有一些是类别型变量。
1 ） 贷款违约风险，及label Y变量“isDefault”，分布如下
从这个比例来看，违约的比例还是比较高的，数据的分布还算比较均衡的。
2）贷款金额分布
3）贷款年限分布
大多数都还是短期贷款为主的。其实这里应该看，这不同贷款年限下，违约风险是否有差别（后面再补充吧）。
4）贷款利率分布
从分布来看，基本是服从正太部分的。
5）分期金额
总体来看近似服从正太分布。
6）贷款登记分布
从贷款等级分布来看，基本上越是次级贷款，其违约比例是越高的。
7）贷款等级分布
趋势上面的基本一致，这两个特征，可以考虑去掉其中一个。
8）工作年限与违约
和我们认知基本也是一致的，工作时间越长，违约的比例是成比例降低。
9） 住房情况，如下
从这个分布来看，和别人博客中所描述的，应该0是有房的，其他都是无房的情况，数据处理时，可以考虑将 > 1 的都改成1.
10）verificationStatus 验证状态，不确定具体含义如何解释
与违约之间的关系如下。这里和预期不太一样，后面还需要仔细研究下。
11）债务收入比，分布严重失衡，是否后续需要数据分桶处理。
异常值较多。
12）delinquency_2years
13）fico范围，结果包含很多0，不知道这个是如何解释。数据应该需要特殊处理的。
14）applicationType
这里0应该是两个贷款，1是1人贷款。
总结
总的来说，确认了一些基础特征的分布情况，为后面的特征工程奠定了基础。但是还有部分特征是没有好好做可视化的，时间匆忙。后面再进一步处理。
代码后续会更新到git上。