Desempenho da árvore sem amostragem
Você subamostrou o conjunto de treinamento e treinou um modelo no conjunto subamostrado.
O desempenho das previsões do modelo não só afeta a probabilidade de inadimplência no conjunto de testes, mas também a pontuação de novos pedidos de empréstimo à medida que eles chegam. Agora você também sabe que é ainda mais importante que o recall de inadimplência seja alto, porque uma inadimplência prevista como não inadimplência é mais cara.
A próxima etapa crucial é comparar o desempenho do novo modelo com o modelo original. As previsões originais são armazenadas como gbt_preds e as previsões do novo modelo são armazenadas como gbt2_preds.
As previsões do modelo gbt_preds e gbt2_preds já estão armazenadas no espaço de trabalho, além de y_test.
Este exercício faz parte do curso
Modelagem de risco de crédito em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Check the classification reports
target_names = ['Non-Default', 'Default']
print(____(y_test, ____, target_names=target_names))
print(____(y_test, ____, target_names=target_names))