승인율

승인율을 정하고 그에 맞는 임계값을 계산하면, 새 대출 중에서 수락할 비율을 정할 수 있어요. 이 연습에서는 테스트 데이터를 새로 접수된 대출로 가정하세요. 임계값을 계산하려면 numpy의 quantile() 함수를 사용해야 해요.

이 임계값으로 새로운 loan_status 값을 할당하세요. 데이터에서 부도와 비부도 건수는 달라지나요?

학습된 모델 clf_gbt와 예측 결과 데이터 프레임 test_pred_df가 제공되어 있어요.

이 연습은 강의의 일부입니다

Python으로 배우는 신용 리스크 모델링

강의 보기

연습 안내

예측 데이터 프레임에서 prob_default의 요약 통계를 .describe()로 출력하세요.
quantile()을 사용해 85% 승인율에 해당하는 임계값을 계산하고 threshold_85로 저장하세요.
threshold_85를 기준으로 pred_loan_status라는 새 열을 만드세요.
pred_loan_status의 새 값에 대한 빈도 수를 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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(____[____].____())

코드 편집 및 실행