Taxas de aceitação
Definir uma taxa de aceitação e calcular o limiar para essa taxa pode ser usado para definir a porcentagem de novos empréstimos que você deseja aceitar. Para este exercício, assuma que os dados de teste são um novo lote de empréstimos. Você precisará usar a função quantile() do numpy para calcular o limiar.
O limiar deve ser usado para atribuir novos valores de loan_status. O número de inadimplências e não inadimplências nos dados muda?
O modelo treinado clf_gbt e o data frame com 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 descritivas de
prob_defaultdentro do data frame de previsões usando.describe(). - Calcule o limiar 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 a contagem 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(____[____].____())