Wybieranie metryk raportu
Funkcja classification_report() zawiera wiele różnych metryk, ale nie zawsze potrzebujesz drukować całego raportu. Czasem wystarczą konkretne wartości – na przykład do porównania modeli lub do dalszego przetwarzania.
W scikit-learn istnieje funkcja, która automatycznie wyciąga te wartości. To precision_recall_fscore_support() – przyjmuje te same parametry co classification_report.
Importuje się ją i używa w następujący sposób:
# Import function
from sklearn.metrics import precision_recall_fscore_support
# Select all non-averaged values from the report
precision_recall_fscore_support(y_true,predicted_values)
Zbiór danych cr_loan_prep oraz predykcje zawarte w preds_df są już wczytane do środowiska.
To ćwiczenie jest częścią kursu
Modelowanie ryzyka kredytowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))