Výkon stromu na podvzorkovaných datech
Provedl/a jsi podvzorkování trénovací sady a natrénoval/a na ní nový model.
Výkon predikcí modelu ovlivňuje nejen pravděpodobnost selhání splácení na testovací sadě, ale také hodnocení nových žádostí o půjčku. Teď už také víš, že je obzvlášť důležité, aby byl recall pro případy selhání co nejvyšší – případ selhání označený jako bezproblémový je totiž nákladnější chybou.
Dalším klíčovým krokem je porovnat výkon nového modelu s původním. Původní predikce jsou uložené jako gbt_preds, predikce nového modelu jako gbt2_preds.
Predikce gbt_preds a gbt2_preds jsou spolu s y_test již dostupné v pracovním prostředí.
Toto cvičení je součástí kurzu
Credit Risk Modeling in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Check the classification reports
target_names = ['Non-Default', 'Default']
print(____(y_test, ____, target_names=target_names))
print(____(y_test, ____, target_names=target_names))