Selección de métricas del informe
La página classification_report() contiene muchas métricas diferentes, pero no siempre querrás imprimir el informe completo. A veces solo quieres valores concretos para comparar modelos o utilizarlos con otros fines.
Existe una función dentro de scikit-learn que extrae los valores por ti. Esa función es precision_recall_fscore_support() y recibe los mismos parámetros que classification_report.
Se importa y se utiliza así:
# Import function
from sklearn.metrics import precision_recall_fscore_support
# Select all non-averaged values from the report
precision_recall_fscore_support(y_true,predicted_values)
El conjunto de datos cr_loan_prep junto con las predicciones en preds_df ya se han cargado en el espacio de trabajo.
Este ejercicio forma parte del curso
Modelado del riesgo crediticio en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))