Seleção de métricas de relatório
O site classification_report()
contém muitas métricas diferentes, mas nem sempre você deseja imprimir o relatório completo. Às vezes, você só quer valores específicos para comparar modelos ou usar para outros fins.
Há uma função no scikit-learn que extrai os valores para você. Essa função é precision_recall_fscore_support()
e recebe os mesmos parâmetros que classification_report
.
Ele é importado e usado assim:
# 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)
O conjunto de dados cr_loan_prep
, juntamente com as previsões em preds_df
, já foram carregados no espaço de trabalho.
Este exercício faz parte do curso
Modelagem de risco de crédito em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))