Limiares e matrizes de confusão
Você analisou a definição de limites para padrões, mas como isso afeta o desempenho geral? Para fazer isso, você pode começar analisando os efeitos com matrizes de confusão.
Lembre-se de que a matriz de confusão é mostrada aqui:
Defina valores diferentes para o limite da probabilidade de inadimplência e use uma matriz de confusão para ver como a alteração dos valores afeta o desempenho do modelo.
O quadro de dados das previsões, preds_df, bem como o modelo clf_logistic 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.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))