受入率
受入率を設定し、その率に対応するしきい値を計算すると、新規に承認したいローンの割合をコントロールできます。本演習では、テストデータを新規ローンのバッチとみなします。しきい値の計算には numpy の quantile() 関数を使用してください。
このしきい値を使って新しい loan_status を割り当てます。データ内のデフォルトと非デフォルトの件数は変わりますか？
学習済みモデル clf_gbt と、その予測を含むデータフレーム test_pred_df が用意されています。
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
- 予測のデータフレーム内の
prob_defaultについて、.describe()を使って要約統計量を表示します。 quantile()を使って85%の受入率に対応するしきい値を計算し、threshold_85に保存します。threshold_85に基づいて、pred_loan_statusという新しい列を作成します。pred_loan_statusの新しい値の件数を表示します。
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。
# Check the statistics of the probabilities of default
print(____[____].describe())
# Calculate the threshold for a 85% acceptance rate
____ = np.____(____['prob_default'], ____)
# Apply acceptance rate threshold
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the counts of loan status after the threshold
print(____[____].____())