延滞分類レポート
モデルの評価をさらに詳しく見ていきます。ここでは、デフォルト確率のしきい値を設定し、分類レポートを通じてモデルの性能を分析します。
確率のデータフレームを作っておくと、pandas の機能を活用できて扱いやすくなります。データにしきい値を適用し、loan_status の両クラスについて値の件数を確認して、それぞれの予測が何件生成されているかを把握しましょう。これは、分類レポートのスコアを読み解く助けになります。
cr_loan_prep データセット、学習済みロジスティック回帰 clf_logistic、真のローンステータス y_test、および予測確率 preds はワークスペースに読み込まれています。
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
predsからデフォルト確率のみのデータフレームpreds_dfを作成します。preds_dfのデフォルト確率に対してしきい値0.50を用い、loan_statusを再割り当てします。- 各
loan_statusの行数を値の件数として出力します。 y_testとpreds_dfを用いて分類レポートを出力します。
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。
# Create a dataframe for the probabilities of default
____ = pd.____(____[:,1], columns = ['prob_default'])
# Reassign loan status based on the threshold
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the row counts for each loan status
print(____[____].____())
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____['loan_status'], target_names=target_names))