Выбор метрик отчёта
Функция classification_report() содержит множество различных метрик, однако не всегда нужно выводить полный отчёт. Иногда достаточно получить конкретные значения — например, чтобы сравнить модели или использовать их в других целях.
В scikit-learn есть функция, которая извлекает нужные значения. Это precision_recall_fscore_support() — она принимает те же параметры, что и classification_report.
Импорт и использование выглядят так:
# Import function
from sklearn.metrics import precision_recall_fscore_support
# Select all non-averaged values from the report
precision_recall_fscore_support(y_true,predicted_values)
Набор данных cr_loan_prep и предсказания в preds_df уже загружены в рабочую среду.
Это упражнение является частью курса
Моделирование кредитного риска на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))