Je hebt nu gekeken naar het voorspellen van de probability of default met zowel LogisticRegression() als XGBClassifier(). Je hebt scores bekeken en voorbeelden van voorspellingen gezien, maar wat is het totale effect op de portfolio-prestatie? Gebruik expected loss als scenario om het belang van het testen van verschillende modellen te laten zien.

Er is een data frame portfolio gemaakt waarin de probabilities of default voor beide modellen zijn gecombineerd, de loss given default (ga voorlopig uit van 20%) en de loan_amnt, die we aannemen als de exposure at default.

De data frame cr_loan_prep en de trainingsets X_train en y_train zijn in de workspace geladen.

Klassenonevenwicht in leningsdata

Create Your Free Account