Soglie e matrici di confusione
Hai visto come impostare soglie per i default, ma come influisce questo sulle prestazioni complessive? Per capirlo, puoi iniziare osservando gli effetti con le matrici di confusione.
Ricorda la matrice di confusione mostrata qui:
Imposta valori diversi per la soglia sulla probabilità di default e usa una matrice di confusione per vedere come i diversi valori influenzano le prestazioni del modello.
Il data frame delle previsioni, preds_df, e il modello clf_logistic sono già stati caricati nell'ambiente di lavoro.
Questo esercizio fa parte del corso
Credit Risk Modeling in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))