Rapportmetrics selecteren
Het classification_report() bevat veel verschillende metrics, maar je wilt niet altijd het volledige rapport afdrukken. Soms heb je alleen specifieke waarden nodig om modellen te vergelijken of voor andere doeleinden.
In scikit-learn is er een functie die die waarden voor je ophaalt: precision_recall_fscore_support(). Deze neemt dezelfde parameters aan als classification_report.
Je importeert en gebruikt hem zo:
# Functie importeren
from sklearn.metrics import precision_recall_fscore_support
# Alle niet-gemiddelde waarden uit het rapport selecteren
precision_recall_fscore_support(y_true,predicted_values)
De gegevensset cr_loan_prep en de voorspellingen in preds_df zijn al in de workspace geladen.
Deze oefening maakt deel uit van de cursus
Kredietrisicomodellering in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))