Tasas de aceptación
Establecer una tasa de aceptación y calcular el umbral de esa tasa puede servir para fijar el porcentaje de nuevos préstamos que quieres aceptar. Para este ejercicio, supongamos que los datos de prueba son un lote fresco de nuevos préstamos. Tendrás que utilizar la función quantile() de numpy para calcular el umbral.
El umbral debe utilizarse para asignar nuevos valores a loan_status. ¿Cambia el número de incumplimientos y no incumplimientos en los datos?
El modelo entrenado clf_gbt y el marco de datos de sus predicciones, test_pred_df, están disponibles.
Este ejercicio forma parte del curso
Modelado del riesgo crediticio en Python
Instrucciones del ejercicio
- Imprime las estadísticas resumidas de
prob_defaultdentro del marco de datos de predicciones utilizando.describe(). - Calcula el umbral para una tasa de aceptación de
85%utilizandoquantile()y guárdalo comothreshold_85. - Crea una nueva columna llamada
pred_loan_statusbasada enthreshold_85. - Imprime los recuentos de los nuevos valores en
pred_loan_status.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# Check the statistics of the probabilities of default
print(____[____].describe())
# Calculate the threshold for a 85% acceptance rate
____ = np.____(____['prob_default'], ____)
# Apply acceptance rate threshold
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the counts of loan status after the threshold
print(____[____].____())