Rendimiento del árbol con submuestreo
Has submuestreado el conjunto de entrenamiento y has entrenado un modelo con el conjunto submuestreado.
El rendimiento de las predicciones del modelo no solo influye en la probabilidad de impago del conjunto de pruebas, sino también en la puntuación de las nuevas solicitudes de préstamo que vayan llegando. Ahora también sabes que es aún más importante que el recuerdo de los impagos sea alto, porque un impago pronosticado como no impago es más costoso.
El siguiente paso crucial es comparar el rendimiento del nuevo modelo con el modelo original. Las predicciones originales se almacenan como gbt_preds y las predicciones del nuevo modelo se almacenan como gbt2_preds.
Las predicciones del modelo gbt_preds y gbt2_preds ya están almacenadas en el espacio de trabajo, además de y_test.
Este ejercicio forma parte del curso
Modelado del riesgo crediticio en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Check the classification reports
target_names = ['Non-Default', 'Default']
print(____(y_test, ____, target_names=target_names))
print(____(y_test, ____, target_names=target_names))