Уровни одобрения заявок

Установка уровня одобрения и расчёт соответствующего порога позволяют задать долю новых кредитов, которые вы хотите одобрить. В этом упражнении предположим, что тестовые данные — это новая партия кредитных заявок. Для расчёта порога вам понадобится функция quantile() из библиотеки numpy.

Порог используется для присвоения новых значений loan_status. Изменится ли количество дефолтов и не-дефолтов в данных?

Обученная модель clf_gbt и фрейм данных с её предсказаниями test_pred_df уже доступны.

Это упражнение является частью курса

Моделирование кредитного риска на Python

Посмотреть курс

Инструкции к упражнению

Выведите сводную статистику по столбцу prob_default во фрейме данных с предсказаниями, используя .describe().
Рассчитайте порог для уровня одобрения 85% с помощью quantile() и сохраните результат в переменную threshold_85.
Создайте новый столбец pred_loan_status на основе значения threshold_85.
Выведите количество вхождений каждого значения в столбце pred_loan_status.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____[____].____())

Редактировать и запускать код