Kwanti(len) van acceptatie visualiseren

Je weet hoe quantile() werkt om een drempel te berekenen, en je hebt een voorbeeld gezien van hoe die de leningen opsplitst in geaccepteerd en afgewezen. Hoe ziet deze drempel eruit voor de testset, en hoe kun je die visualiseren?

Om dit te controleren kun je een histogram van de kansen maken en een referentielijn toevoegen voor de drempel. Zo laat je visueel zien waar de drempel in de verdeling ligt.

De modelvoorspellingen clf_gbt_preds zijn in de werkruimte geladen.

Deze oefening maakt deel uit van de cursus

Kredietrisicomodellering in Python

Cursus bekijken

Oefeninstructies

Maak een histogram van de voorspelde kansen clf_gbt_preds.
Bereken de drempel voor een acceptatiepercentage van 85% met quantile(). Sla deze waarde op als threshold.
Plot het histogram opnieuw, maar voeg deze keer een referentielijn toe met .axvline().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Plot the predicted probabilities of default
plt.____(____, color = 'blue', bins = 40)

# Calculate the threshold with quantile
____ = np.____(____, ____)

# Add a reference line to the plot for the threshold
plt.____(x = ____, color = 'red')
plt.____()

Code bewerken en uitvoeren