Selecionando métricas do relatório
O classification_report() tem várias métricas, mas nem sempre você vai querer imprimir o relatório completo. Às vezes, você só precisa de valores específicos para comparar modelos ou para outros usos.
Existe uma função no scikit-learn que extrai esses valores para você. Essa função é a precision_recall_fscore_support() e recebe os mesmos parâmetros que o classification_report.
Ela é importada e usada assim:
# Importar a função
from sklearn.metrics import precision_recall_fscore_support
# Selecionar todos os valores não agregados do relatório
precision_recall_fscore_support(y_true,predicted_values)
O conjunto de dados cr_loan_prep, junto com as previsões em preds_df, já foi carregado no workspace.
Este exercício faz parte do curso
Modelagem de Risco de Crédito em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))