Drempels en verwarringsmatrices
Je hebt gekeken naar het instellen van drempels voor wanbetalingen, maar wat is de impact op de algehele performance? Om dat te onderzoeken, kun je beginnen met de effecten te bekijken met verwarringsmatrices.
Herinner de verwarringsmatrix zoals hier getoond:
Stel verschillende waarden in voor de drempel op de kans op wanbetaling en gebruik een verwarringsmatrix om te zien hoe de veranderende waarden de performance van het model beïnvloeden.
De DataFrame met voorspellingen, preds_df, en het model clf_logistic zijn al in de werkruimte geladen.
Deze oefening maakt deel uit van de cursus
Kredietrisicomodellering in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))