Sous-échantillonnage des données d’entraînement

À vous de sous-échantillonner l’ensemble d’entraînement avec quelques lignes de code Pandas. Une fois le sous-échantillonnage terminé, vous pourrez vérifier le résultat avec les fréquences de loan_status.

X_y_train, count_nondefault et count_default sont déjà chargés dans l’espace de travail. Ils ont été créés avec le code suivant :

X_y_train = pd.concat([X_train.reset_index(drop = True),
                       y_train.reset_index(drop = True)], axis = 1)
count_nondefault, count_default = X_y_train['loan_status'].value_counts()

Le .value_counts() des données d’entraînement d’origine s’affichera automatiquement.

Cet exercice fait partie du cours

Modélisation du risque de crédit en Python

Afficher le cours

Instructions

Créez des jeux de données pour les non-défauts et les défauts, stockés dans nondefaults et defaults.
Échantillonnez nondefaults au même effectif que count_default et stockez le résultat dans nondefaults_under.
Concaténez nondefaults et defaults avec .concat() et stockez le résultat dans X_y_train_under.
Affichez le .value_counts() de l’état du prêt pour le nouveau jeu de données.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create data sets for defaults and non-defaults
____ = ____[____[____] == 0]
____ = ____[____[____] == 1]

# Undersample the non-defaults
____ = nondefaults.sample(____)

# Concatenate the undersampled nondefaults with defaults
____ = pd.____([____.reset_index(drop = True),
                             ____.reset_index(drop = True)], axis = 0)

# Print the value counts for loan status
print(____[____].____())

Modifier et exécuter le code