Preprocesarea datelor

Question 1

Care sunt cateva motive care sa justifice preprocesarea datelor?

Answer 1

• Informatia este incompleta
• Informatie lipsa
• Informatii duplicate
• Codificare inconsistenta

In principiu 80% din timpul acordat modelarii este pe preprocesarea informatiilor

Question 2

Cum putem clasifica datele?

Answer 2

• Master data (entitatile cu care compania lucra)
• Transactional data (detaliile tranzactiilor)
• External data (folosite din mediul extern)
• Open data (accesibile tuturor)
• Big data

Question 3

Ce presupune denormalizarea?

Answer 3

Denormalizarea presupune combinarea mai multor tabele intr-un singur raport

Pe baza unui primary key

Question 4

Ce presupune problema inferentei clientilor refuzati/acceptati?

Answer 4

Aceasta are loc atunci cand esantionam doar pe baza clientilor acceptati/refuzati

Din lipsa de date

Question 5

Cum abordam valorile lipsa?

Answer 5

• Le pastram (daca aduc informatii)
• Le stergem (can numarul lor e mare)
• Le inlocuim (cu medie, mediana, sau modala pentru categoriale)

Question 6

Cum se schimba valoare WoE in functie de distributiile de buni/rai?

Answer 6

Daca distributia de buni > rai atunci WoE va fi pozitiv

Daca distributia de buni < rai atunci WoE va fi negativ

Question 7

Ce reprezinta IV?

Answer 7

IV calculeaza puterea de predictie a unei variabile

Masoara diferenta absoluta dintre distributia clientilor buni si distributia clientilor rai

Question 8

Care sunt cateva aplicatii pentru IV?

Answer 8

• Pentru ajustarea categoriilor
• Pentru alegere de variabile semnificative