Sélection des mesures de rapport
La fonction classification_report() inclut de nombreuses mesures, mais vous ne voudrez pas toujours afficher le rapport complet. Parfois, vous avez seulement besoin de certaines valeurs pour comparer des modèles ou pour d'autres usages.
scikit-learn offre une fonction qui extrait ces valeurs pour vous. Il s'agit de precision_recall_fscore_support() et elle accepte les mêmes paramètres que classification_report.
Elle s'importe et s'utilise ainsi :
# Importer la fonction
from sklearn.metrics import precision_recall_fscore_support
# Sélectionner toutes les valeurs non moyennées du rapport
precision_recall_fscore_support(y_true, predicted_values)
Le jeu de données cr_loan_prep ainsi que les prédictions dans preds_df sont déjà chargés dans l'espace de travail.
Cette activité fait partie du cours
Modélisation du risque de crédit en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))