SD1-11-12-TP2[1]

TP2:le scoringLe ScoringLe problème auquel on va s'intéresser est le suivant:une banque chercheàdéterminer lesquels de ses clients ne rembourseront pas les prêts qui leur ont étéaccordés.Elle dispose de données relativesàd'anciens clients dont elle sait s'ils ont rembourséleur prêt et chercheàen déduire un pro l type du client"àrisque".1Récupérer les donnéesAller sur Didel et télécharger le chier TP2.csv.Noter l'emplacement oùle chier aétésauvegardédans l'arborescence.L'extension.csv signi e"comma-separated values",c'est le format standard pour l'analyse de données(tous les tableurs peuvent exporter en.csv par exemple), ce n'est en fait rien de plus qu'un chier texte contenant nos données,les di é-rents champsétant séparés par des virgules(comma).1.Ouvrir le chier TP2.csv dans un bien y a-t-il de colonnes? De lignes?Les di érentes colonnes contiennent des renseignements sur les clients:La première colonne n'a pas de nom,elle contient des entiers qui sont des identi ants clients.La deuxième colonne est"PlusDe2AnsSansPayer",elle contient des0et des1;que signi ent ces valeurs?La troisième colonne"CreditConso",contient le rapport entre le montant des créditsàla consommation contractés par le client divisépar le mon-tant maximum auquel le client a droit comme créditàla consommation.Pouvez-vous encadrer les valeurs possibles de cette colonne?La quatrième colonne contient l'âge des clients.La cinquième colonne"RatioDettes"contient le rapport entre les men-sualités du client et son salaire mensuel.Pouvez-vous encadrer les valeurs possibles de cette colonne?La sixième colonne contient le revenu mensuel du client.La septième colonne"NbreRetards90Jours"précise le nombre de fois oùle client aétéen retard de90jours ou moins pour son remboursement.La huitième colonne précise le nombre de personnesàla charge du client (enfants,...).12Charger les données dans ROuvrir une session R ainsi que l'éditeur de manièreàpouvoir conserver votre code.2.Véri er dans quel répertoire travaille R avec la commande getwd()(wd= working directory).Si R ne travaille pas làoùvous avez sauvegardéTP2.csv il faut lui dire oùchercher,pour ce faire on utilise la commande setwd().Exemple:setwd("C:\\Documents\\DonnéesR\\TP2SD1")3.Maintenant que R sait oùchercher on peut lui faire charger nos données. R dispose d'une commande faite pour importer les chiers en.csv:read.csv(). Importer les données et les charger dans une variable data0.Quel est le type de "data0"?4.A n de véri er que l'import s'est bien passéfaire un summary()de data0. Combien data a-t-il de colonnes?De lignes?3Nettoyage des données5.Regarder attentivement les colonnes"RevenuMensuel"et"NbreDeDepen-dants"dans le summary.Que remarquez vous?Que signi e"NA"?6.Créer un dataframe data2qui contienne les lignes de data sans les lignes avec des"NA".On pourra utiliser la fonction is.na().Combien de lignes a-t'on perdu?Quelle est la proportion de lignes avec de NA dans data0?7.E ectuer un nouveau summary de data2.Remarquez-vous des incohé-rences?Pouvez vous créer data3qui ne contiennent pas ces incohérences?Com-bien de lignes a-t'on perdu au nal?Quel ratio?4Analyse de la colonne des revenusOn va commencer par installer un package.En e et on peut facilement ajou-teràR de nouvelles fonctionnalités en installant un package.8.Entrer la commande:install.packages("ggplot2").On pourra choisir France: Toulouse comme miroir.9.Créer un vecteur Revenu qui contienne les valeurs de"RevenuMensuel".10.Quelle est la moyenne des revenus?La variance?Les quartiles?Com-menter.211.Tracer la fonction de répartition(utiliser la commande ecdf pour empiric cumulative distribution function).12.Tracer un histogramme avec ggplot2,on commencera par charger la li-brairie avec la commande require(ggplot2).On utilisera alors la commande qplot(Revenu,geom="histogram").Que fairepour mieux comprendre la répartition des revenus dans la zone moyenne?5Analyse graphique de data13.On commencera par créer un dataframe dataplot qui contienne une partie seulement des données de data3àl'aide de la commande sample(utiliser l'aide).14.Tracer et commenter di érents graphiquesàl'aide de la commande qplot.Aide relativeàqplot:la syntaxe de base est la suivante qplot(x,y,data=da-taplot),qui imprime les points aux coordonnées x,y dans le jeu de données dataplot.On peut aussi modi er la couleur des points(ainsi que leur forme ouleur taille).Rentrer la commandeqplot(RevenuMensuel,RatioDettes,data=dataplot,colour=factor(PlusDe2AnsSansPayer)) Expliquer et commenter.15.Pouvez vousétablir un critère empirique distinguant les futurs mauvaispayeurs des autres?(exemple:si revenu<tant et nbrededependants>tantalors mauvais payeur)3。