Sélection des métriques du rapport
La fonction classification_report() regroupe de nombreuses métriques, mais vous ne souhaitez 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 propose une fonction qui extrait ces valeurs pour vous. Cette fonction est precision_recall_fscore_support() et elle prend les mêmes paramètres que classification_report.
Elle s’importe et s’utilise ainsi :
# Import de la fonction
from sklearn.metrics import precision_recall_fscore_support
# Sélection de 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.
Cet exercice fait partie du cours
Modélisation du risque de crédit en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))