Доля проблемных кредитов

Зная уровень одобрения кредитов, вы можете проанализировать долю проблемных кредитов среди одобренных заявок. Это позволит оценить, какой процент дефолтов оказался в итоге принят.

Подумайте о взаимосвязи уровня одобрения и доли проблемных кредитов. Мы устанавливаем уровень одобрения так, чтобы сократить число дефолтов в портфеле, поскольку они обходятся значительно дороже. Будет ли доля проблемных кредитов меньше процента дефолтов в тестовых данных?

Фрейм данных с прогнозами test_pred_df уже загружен в рабочую среду.

Это упражнение является частью курса

Моделирование кредитного риска на Python

Посмотреть курс

Инструкции к упражнению

Выведите первые пять строк фрейма данных с прогнозами.
Создайте подмножество accepted_loans, содержащее только те кредиты, у которых прогнозируемый статус равен 0.
Рассчитайте долю проблемных кредитов на основе столбца true_loan_status этого подмножества, используя sum() и .count().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Print the top 5 rows of the new data frame
print(____.____())

# Create a subset of only accepted loans
____ = ____[____['pred_loan_status'] == ____]

# Calculate the bad rate
print(np.____(____['true_loan_status']) / ____['true_loan_status'].____())

Редактировать и запускать код