К этому моменту вы рассмотрели прогнозирование вероятности дефолта с помощью LogisticRegression() и XGBClassifier(). Вы изучили ряд метрик оценки и ознакомились с примерами прогнозов — но как всё это влияет на общую эффективность портфеля? Попробуйте использовать ожидаемые потери как сценарий, наглядно показывающий важность тестирования разных моделей.

Фрейм данных portfolio уже создан: он объединяет вероятности дефолта для обеих моделей, долю потерь при дефолте (пока считайте её равной 20%) и столбец loan_amnt, который принимается за величину требования под риском.

Фрейм данных cr_loan_prep, а также обучающие выборки X_train и y_train уже загружены в рабочую среду.

Отбор признаков для оценки кредитного риска

Create Your Free Account