Raport de clasificare pentru nerambursare

Este momentul să analizezi mai atent evaluarea modelului. Setarea pragului pentru probabilitatea de nerambursare te va ajuta să examinezi performanța modelului prin intermediul raportului de clasificare.

Crearea unui cadru de date cu probabilitățile face lucrul cu acestea mai simplu, deoarece poți folosi toate facilitățile oferite de pandas. Aplică pragul asupra datelor și verifică numărul de înregistrări pentru fiecare clasă din loan_status, ca să înțelegi câte predicții se generează pentru fiecare. Acest lucru îți va oferi o perspectivă mai clară asupra scorurilor din raportul de clasificare.

Setul de date cr_loan_prep, regresia logistică antrenată clf_logistic, valorile reale ale stării creditului y_test și probabilitățile prognozate preds sunt încărcate în spațiul de lucru.

Acest exercițiu face parte din cursul

Modelarea Riscului de Credit în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un cadru de date care să conțină doar probabilitățile de nerambursare din preds, numit preds_df.
Reatribuie valorile loan_status pe baza unui prag de 0.50 pentru probabilitatea de nerambursare în preds_df.
Afișează numărul de înregistrări pentru fiecare valoare a loan_status.
Afișează raportul de clasificare folosind y_test și preds_df.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create a dataframe for the probabilities of default
____ = pd.____(____[:,1], columns = ['prob_default'])

# Reassign loan status based on the threshold
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)

# Print the row counts for each loan status
print(____[____].____())

# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____['loan_status'], target_names=target_names))

Editează și rulează codul