Bad rate
Tenendo presente il tasso di accettazione, ora puoi analizzare il bad rate all'interno dei prestiti accettati. In questo modo potrai vedere la percentuale di insolvenze che sono state accettate.
Pensa all’impatto del tasso di accettazione e del bad rate. Impostiamo un tasso di accettazione per avere meno insolvenze nel portafoglio, perché le insolvenze sono più costose. Il bad rate sarà inferiore alla percentuale di insolvenze nei dati di test?
Il data frame delle previsioni test_pred_df è stato caricato nell'ambiente di lavoro.
Questo esercizio fa parte del corso
Credit Risk Modeling in Python
Istruzioni dell'esercizio
- Stampa le prime cinque righe del data frame delle previsioni.
- Crea un sottoinsieme chiamato
accepted_loansche contenga solo i prestiti in cui lo stato del prestito previsto è0. - Calcola il bad rate in base a
true_loan_statusdel sottoinsieme usandosum()e.count().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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'].____())