Кузнеченко Роман РИ-150911

📊 Assignment 7: Exploratory Data Analysis — German Credit Dataset

Общая информация

Задание: Assignment 7 — Exploratory Data Analysis (EDA)
Датасет: German Credit Data
Источник: HuggingFace (

)
Задача: Анализ кредитного риска (бинарная классификация)

Цель работы — провести разведочный анализ данных (EDA), изучить структуру датасета, целевую переменную, числовые и категориальные признаки, а также подготовить данные к дальнейшему машинному обучению.

---

1. Загрузка и подготовка данных

Данные были загружены с помощью библиотеки

из HuggingFace. Использовалась обучающая часть датасета (

train

).

В ходе подготовки данных:

• датасет был преобразован в
  pandas.DataFrame
• строки с пропущенными значениями были удалены
• целевая переменная
  Risk
  была перемещена в последнюю колонку

Размер итогового датасета:

• Количество объектов: 522
• Количество признаков: 10

---

2. Первичный обзор данных

Первые 5 строк датасета:

---

3. Анализ целевой переменной

Целевая переменная —

, принимает два значения:

• good
  — хороший кредитный риск
• bad
  — плохой кредитный риск

Распределение классов

Выводы:

• Датасет умеренно несбалансирован
• Класс
  good
  встречается чаще, но перекос не критичный
• Данные подходят для обучения бинарного классификатора

Визуализация сохранена в файл:

---

4. Статистика числовых признаков

Числовые признаки в датасете:

• Age
• Job
• Credit amount
• Duration

Описательная статистика

Интерпретация:

• Средний возраст заёмщика — около 35 лет
• Сумма кредита имеет большую дисперсию, что указывает на широкий диапазон займов
• Длительность кредита в среднем — около 21 месяца

---

5. Анализ признаков

Числовые признаки

Для числовых признаков были построены гистограммы распределений. Это позволило выявить:

• асимметрию распределений
• наличие длинных хвостов (особенно у
  Credit amount
  )
• потенциальную необходимость масштабирования при обучении моделей

Визуализация сохранена в файл:

Категориальные признаки

Для категориальных признаков были построены столбчатые диаграммы (отображались топ-5 наиболее частых значений).

Категориальные признаки:

• Sex
• Housing
• Saving accounts
• Checking account
• Purpose

Визуализация сохранена в файл:

---

6. Пропущенные значения

После очистки данных:

• пропущенные значения отсутствуют
• датасет готов к дальнейшему анализу и моделированию

---

7. Итоговые выводы

В ходе EDA было установлено, что:

• датасет имеет адекватный размер и структуру
• целевая переменная умеренно несбалансирована
• присутствуют как числовые, так и категориальные признаки
• данные очищены от пропусков
• датасет готов к:
  • кодированию категориальных признаков
  • масштабированию числовых признаков
  • обучению моделей машинного обучения

---

8. Используемые библиотеки

• pandas
• numpy
• matplotlib
• seaborn
• datasets

---

9. Файлы визуализаций

• 07_german_credit_target_distribution.png
• 07_german_credit_numeric_distribution.png
• 07_german_credit_categorical_distribution.png

---

10. Удалённые файлы

• CONTRIBUTING.md
• FILE_UPDATE_REPORT.md