受入率の分位点を可視化する
quantile() を使ってしきい値を計算する方法は理解できましたし、そのしきい値でローンを承認・非承認に分ける例も見ました。では、テストセットではこのしきい値はどのように見えるでしょうか。どう可視化できるでしょうか？
これを確かめるには、確率のヒストグラムを作成し、その上にしきい値の参照線を追加します。こうすることで、分布の中のどこにしきい値があるかを視覚的に示せます。
モデルの予測値 clf_gbt_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
- 予測確率
clf_gbt_predsのヒストグラムを作成します。 quantile()を使って受入率 85% のしきい値を計算し、thresholdに保存します。- もう一度ヒストグラムを描画し、今回は
.axvline()を使って参照線を追加します。
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。
# Plot the predicted probabilities of default
plt.____(____, color = 'blue', bins = 40)
# Calculate the threshold with quantile
____ = np.____(____, ____)
# Add a reference line to the plot for the threshold
plt.____(x = ____, color = 'red')
plt.____()