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
Prueba este ejercicio y completa el código de muestra.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))