1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶクレジットリスクモデリング
Connected

演習

ロジスティック回帰の基礎

これまでにデータをクレンジングし、新しいデータセット cr_loan_clean を作成しました。

第1章の最後の散布図を思い出してください。loan_int_rate が高いほど延滞（デフォルト）が多いことを示していました。金利は直感的に理解しやすい特徴ですが、デフォルト確率の予測にはどれくらい役立つのでしょうか？

まだデフォルト確率の予測は試していないので、まずは loan_int_rate だけを用いてロジスティック回帰モデルを作成・学習してみましょう。また、この1列で構築したモデルの構造を確認するため、設定に相当するモデル内部のパラメータも確認してみてください。

cr_loan_clean はすでにワークスペースに読み込まれています。

指示

100 XP
  • 列 loan_int_rate と loan_status を使って X と y を作成します。
  • 学習データにロジスティック回帰モデルを作成して学習し、clf_logistic_single という名前を付けます。
  • .get_params() を使ってモデルのパラメータを表示します。
  • .intercept_ 属性でモデルの切片を確認します。