Schwellenwerte und Konfusionsmatrizen
Du hast dir angesehen, wie man Schwellenwerte für Zahlungsausfälle setzt – aber wie wirkt sich das auf die Gesamtleistung aus? Um das zu untersuchen, kannst du dir die Effekte mit Konfusionsmatrizen anschauen.
Erinnere dich an die Konfusionsmatrix wie hier gezeigt:
Setze verschiedene Werte für den Schwellenwert der Ausfallwahrscheinlichkeit und verwende eine Konfusionsmatrix, um zu sehen, wie sich die veränderten Werte auf die Modellleistung auswirken.
Der DataFrame mit Vorhersagen, preds_df, sowie das Modell clf_logistic wurden in den Workspace geladen.
Diese Übung ist Teil des Kurses
Kreditrisikomodellierung in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))