ग्रेडिएंट बूस्टेड ट्रीज़ का आकलन
अब तक आपने XGBClassifier() मॉडलों का उपयोग डिफॉल्ट की प्रॉबेबिलिटी प्रेडिक्ट करने के लिए किया है। ये मॉडल .predict() मेथड का इस्तेमाल करके ऐसे प्रेडिक्शंस भी बना सकते हैं जो loan_status के वास्तविक क्लास दें।
आपको मॉडल के शुरुआती प्रदर्शन की जाँच classification_report() की मेट्रिक्स देखकर करनी चाहिए। ध्यान रखें कि आपने अभी इन मॉडलों के लिए थ्रेशहोल्ड सेट नहीं किए हैं।
डेटासेट cr_loan_prep, X_test, और y_test पहले से वर्कस्पेस में लोड हैं। मॉडल clf_gbt भी लोड है। लॉजिस्टिक रिग्रेशन के लिए classification_report() अपने आप प्रिंट होगा.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में क्रेडिट रिस्क मॉडलिंग
अभ्यास निर्देश
Xटेस्ट डेटा के लिएloan_statusमान प्रेडिक्ट करें और उन्हेंgbt_predsमें स्टोर करें।gbt_predsकी सामग्री जाँचें ताकि आप देखें कि इनमें प्रेडिक्टेडloan_statusवैल्यूज़ हैं, डिफॉल्ट की प्रॉबेबिलिटी नहीं।- मॉडल के प्रदर्शन का
y_testके विरुद्धclassification_report()प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Predict the labels for loan status
____ = clf_gbt.____(____)
# Check the values created by the predict method
print(____)
# Print the classification report of the model
target_names = ['Non-Default', 'Default']
print(classification_report(____, ____, target_names=target_names))