Prestaties van undersampled tree
Je hebt de trainingsset undersampled en een model getraind op de undersampled set.
De prestaties van de modelvoorspellingen beïnvloeden niet alleen de defaultkans op de testset, maar ook de scoring van nieuwe leenaanvragen die binnenkomen. Je weet nu ook dat het nóg belangrijker is dat de recall voor defaults hoog is, omdat een default die als non-default wordt voorspeld duurder is.
De volgende cruciale stap is het vergelijken van de prestaties van het nieuwe model met het oorspronkelijke model. De oorspronkelijke voorspellingen zijn opgeslagen als gbt_preds en de voorspellingen van het nieuwe model als gbt2_preds.
De modelvoorspellingen gbt_preds en gbt2_preds zijn al in de workspace opgeslagen, net als y_test.
Deze oefening maakt deel uit van de cursus
Kredietrisicomodellering in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Check the classification reports
target_names = ['Non-Default', 'Default']
print(____(y_test, ____, target_names=target_names))
print(____(y_test, ____, target_names=target_names))