Пороговые значения и матрицы ошибок
Вы уже рассматривали установку пороговых значений для дефолтов, но как это влияет на общую производительность модели? Чтобы разобраться в этом, начнём с анализа эффектов с помощью матриц ошибок.
Вспомните структуру матрицы ошибок, показанную здесь:
Задайте разные значения порога вероятности дефолта и используйте матрицу ошибок, чтобы увидеть, как изменение этих значений влияет на качество модели.
Фрейм данных с предсказаниями preds_df, а также модель clf_logistic 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.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))