Bad rates

Dengan mempertimbangkan acceptance rate, kini Anda dapat menganalisis bad rate dalam pinjaman yang diterima. Dengan cara ini Anda dapat melihat persentase gagal bayar yang telah diterima.

Pikirkan dampak acceptance rate dan bad rate. Kita menetapkan acceptance rate untuk memiliki lebih sedikit gagal bayar dalam portofolio karena gagal bayar lebih mahal. Apakah bad rate akan lebih kecil daripada persentase gagal bayar dalam data uji?

Data frame prediksi test_pred_df telah dimuat ke dalam workspace.

Latihan ini adalah bagian dari kursus

Pemodelan Risiko Kredit dengan Python

Lihat Kursus

Petunjuk latihan

Cetak lima baris pertama dari data frame prediksi.
Buat subset bernama accepted_loans yang hanya berisi pinjaman dengan status pinjaman yang diprediksi 0.
Hitung bad rate berdasarkan true_loan_status dari subset menggunakan sum() dan .count().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Print the top 5 rows of the new data frame
print(____.____())

# Create a subset of only accepted loans
____ = ____[____['pred_loan_status'] == ____]

# Calculate the bad rate
print(np.____(____['true_loan_status']) / ____['true_loan_status'].____())

Edit dan Jalankan Kode