W poprzednich ćwiczeniach korzystałeś z modeli regresji logistycznej i wzmocnionych drzew gradientowych. Czas porównać oba modele i zdecydować, który z nich posłuży do generowania ostatecznych prognoz.

Jednym z najprostszych sposobów porównania zdolności modeli do przewidywania prawdopodobieństwa niewywiązania się z zobowiązań jest analiza metryk z classification_report(). Dzięki temu możesz zestawić ze sobą różne wskaźniki oceny dla każdego modelu. Ponieważ dane i modele są zwykle niezrównoważone – przypadków niewywiązania się z zobowiązań jest niewiele – skup się na razie na metrykach dotyczących właśnie tej klasy.

Wytrenowane modele clf_logistic i clf_gbt zostały wczytane do środowiska roboczego wraz z ich prognozami preds_df_lr i preds_df_gbt. Dla każdego z nich zastosowano próg odcięcia 0.4. Dostępny jest również zbiór testowy y_test.

Strategia kredytowa i minimalna oczekiwana strata

Create Your Free Account