Auswahl von Report-Kennzahlen
Der classification_report() enthält viele unterschiedliche Kennzahlen, aber du willst nicht immer den gesamten Report ausgeben. Manchmal brauchst du nur bestimmte Werte, um Modelle zu vergleichen oder für andere Zwecke.
In scikit-learn gibt es eine Funktion, die dir genau diese Werte herauszieht. Sie heißt precision_recall_fscore_support() und nimmt die gleichen Parameter entgegen wie classification_report.
Sie wird so importiert und verwendet:
# Funktion importieren
from sklearn.metrics import precision_recall_fscore_support
# Alle nicht gemittelten Werte aus dem Report auswählen
precision_recall_fscore_support(y_true,predicted_values)
Der Datensatz cr_loan_prep sowie die Vorhersagen in preds_df wurden bereits in den Workspace geladen.
Diese Übung ist Teil des Kurses
Kreditrisikomodellierung in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))