Umbrales y matrices de confusión
Has estudiado el establecimiento de umbrales por defecto, pero ¿cómo afecta esto al rendimiento general? Para ello, puedes empezar observando los efectos con matrices de confusión.
Recuerda la matriz de confusión como se muestra aquí:
Establece distintos valores para el umbral de probabilidad de impago, y utiliza una matriz de confusión para ver cómo afectan los valores cambiantes al rendimiento del modelo.
El marco de datos de las predicciones, preds_df, así como el modelo clf_logistic 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 completando el código de muestra.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))