# 資料視覺化期中報告
[Toc]

## 注意事項 💩💩💩
* 做基本描述性統計(透過單一變數來和分布 ex.年紀)
* 報告不能只有圖，要有文字說明
* **四張圖**(分群、相關、圓餅圖、長條圖)

## 變數 💩💩💩
- Age 年紀:
- 區間 ex 11 ~ 20、21 ~ 30
- Occupation 職業:
- 區間
- Monthly_Inhand_Salary 每個月薪資(USD):
- 區間 ex 200 ~ 299 USD、300 ~ 399 USD
- Interest_Rate 利率(%):
- 相關
- Num_of_Loan 借貸次數:
- 相關
- Type_of_Loan 借貸類型:
- 區間
- Delay_from_due_date 延遲還款多久(DAYs):
- 相關
- Num_of_Delayed_Payment 延遲還款平均次數:
- 相關
- Outstanding_Debt 借貸剩多少要還(USD):
- 區間
- Total_EMI_per_month 每個月最低要還多少錢(USD):
- 區間
- Amount_invested_monthly 每個月投資金額(USD):
- 區間
- Payment_Behaviour 消費行為:
- 區間
- Monthly_Balance 每個月的餘額(USD):
- 區間

## 團隊分工 💩💩💩

|| **汪冠儀** | **蘇庭玉** |**張晏菘**|**張曜翔**|**趙洸佑**|
|--------| -------- | -------- | -------- | -------- | -------- |
|**圓餅**|💩|💩|✔️|💩|💩|
|**分群**|💩|✔️|💩|💩|💩|
|**相關**|💩|💩|💩|✔️|💩|
|**長條**|✔️|💩|💩|💩|💩|
|**模型**|💩|💩|💩|💩|✔️|

## 資料故事背景與目標說明
故事背景：
假設我們在一家全球金融公司擔任數據科學家，這家公司長年以來致力於收集銀行的基本資料以及大量與信用相關的資訊，在此同時老闆希望建立出一套能夠列出借貸人信用評分等級的系統，以減少人工審核的程序。

目標：
透過資料所提供的借貸人信用相關資訊，建立一個能夠將信用評分進行分類的模型。

## 資料說明與前處理過程
資料說明：
訓練資料有28個欄位，每個欄位都有100000筆顧客資料，每個顧客有1~8月的借貸資訊，包括：ID、名字、年齡、職業、收入、借貸次數、借貸項目、信用等級等......

測試資料有27個欄位，每個欄位有50000筆顧客資料，資料內容與訓練資料相同

前處理過程：
查看資料之後，發現有缺失的資料、異常的數字、亂碼、底線等......，將它們處理後，把文字的部分轉為數值，最後只留下我們需要的欄位

## 降維與分群法應用
使用年齡、每月收入、借貸次數、延遲幾天還款和延遲幾次還款做分群及降維

分別做了kmeans和dbascan的分群，kmeans和dbscan的差別在於dbscan分群時某些點密集度不夠高的話會判斷為noise並且將這些點排除掉
以下是用kmeans做分群：
以下是用dbscan做分群：
db_target = -1為noise
以下是用pca做降維，以職業當作label：
以下是kmeans搭配pca所做的分群，可以清楚看到明顯分成三群
以下是dbscan搭配pca所做的分群，也可以清楚看到明顯分成三群，只是dbcan群裡各自的關係比kmeans更密集

## 機器學習 KNN 💩💩💩
- f1-score ： 精確率和召回率的調和平均數。
- 

- support : 測試集樣本的總數量
### 模型評估指標 💩💩💩

### 混淆矩陣 💩💩💩

## 預測

# 測試 data，信用分數為 3
arr = np.array([[23,13,19114.12,1824.84,3,4,3,7,809.98,49.57,80.42,3,312.49]])

## 10項分析(圖表)(提出問題以圖表及文字分析)

兩個變數

加入第三者

借貸次數和延遲還款多久
教師
科學家
借貸次數和延遲還款平均次數
教師
科學家
利率和延遲還款多久
教師
科學家
利率和延遲還款次數
教師
科學家
利率和借貸次數
教師
科學家