Taxas de aceitação
A definição de uma taxa de aceitação e o cálculo do limite para essa taxa podem ser usados para definir a porcentagem de novos empréstimos que você deseja aceitar. Para este exercício, suponha que os dados de teste sejam um novo lote de novos empréstimos. Você precisará usar a função quantile() de numpy para calcular o limite.
O limite deve ser usado para atribuir novos valores a loan_status. O número de padrões e não padrões nos dados é alterado?
O modelo treinado clf_gbt e o quadro de dados de suas previsões, test_pred_df, estão disponíveis.
Este exercício faz parte do curso
Modelagem de risco de crédito em Python
Instruções do exercício
- Imprima as estatísticas resumidas de
prob_defaultno quadro de dados de previsões usando.describe(). - Calcule o limite para uma taxa de aceitação de
85%usandoquantile()e armazene-o comothreshold_85. - Crie uma nova coluna chamada
pred_loan_statuscom base emthreshold_85. - Imprima as contagens de valores dos novos valores em
pred_loan_status.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Check the statistics of the probabilities of default
print(____[____].describe())
# Calculate the threshold for a 85% acceptance rate
____ = np.____(____['prob_default'], ____)
# Apply acceptance rate threshold
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the counts of loan status after the threshold
print(____[____].____())