勾配ブースティング木を評価する
これまでに XGBClassifier() モデルを使ってデフォルト確率を予測しました。このモデルは .predict() メソッドを使って、loan_status の実際のクラスを出力する予測も行えます。
まずは classification_report() の指標を確認して、モデルの初期パフォーマンスをチェックしましょう。なお、まだしきい値は設定していない点に注意してください。
データセット cr_loan_prep、X_test、y_test はワークスペースに読み込まれており、モデル clf_gbt も準備済みです。ロジスティック回帰の classification_report() は自動で表示されます。
この演習はコースの一部です
Pythonで学ぶクレジットリスクモデリング
演習の手順
- テストデータ
Xに対してloan_statusを予測し、gbt_predsに保存します。 gbt_predsの中身を確認し、出力がデフォルト確率ではなく予測されたloan_statusのクラスであることを確かめます。- モデルの性能を
y_testと比較するclassification_report()を表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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))