30、应用机器学习：识别信用违约

应用机器学习：识别信用违约

1. 自动化探索性数据分析（Auto-EDA）工具

在Python丰富的库生态系统中， pandas-profiling 是最受欢迎的自动化探索性数据分析工具，但它并非唯一选择，还有以下工具可供探索：
- sweetviz - https://github.com/fbdesignpro/sweetviz
- autoviz - https://github.com/AutoViML/AutoViz
- dtale - https://github.com/man-group/dtale
- dataprep - https://github.com/sfu-db/dataprep
- lux - https://github.com/lux-org/lux

每个工具处理探索性数据分析（EDA）的方式略有不同，建议对它们进行全面探索，选择最适合自己需求的工具。

2. 数据分割为训练集和测试集

完成EDA后，下一步是将数据集分割为训练集和测试集，目的是得到两个