IniziaInizia gratis

Selezionare le metriche del report

classification_report() include molte metriche diverse, ma non sempre vuoi stampare l'intero report. A volte ti servono solo alcuni valori per confrontare i modelli o per altri scopi.

In scikit-learn c'è una funzione che estrae per te questi valori: precision_recall_fscore_support(), che accetta gli stessi parametri di classification_report.

Si importa e si usa così:

# Importa la funzione
from sklearn.metrics import precision_recall_fscore_support
# Seleziona tutti i valori non mediati dal report
precision_recall_fscore_support(y_true,predicted_values)

L'insieme di dati cr_loan_prep e le previsioni in preds_df sono già stati caricati nello workspace.

Questo esercizio fa parte del corso

Credit Risk Modeling in Python

Visualizza il corso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))
Modifica ed esegui il codice