Undersampling av träningsdata

Nu är det dags att undersampla träningsdatamängden själv med några rader kod från Pandas. När undersamplingen är klar kan du kontrollera värdenas antal för loan_status för att verifiera resultaten.

X_y_train, count_nondefault och count_default är redan inlästa i arbetsytan. De har skapats med följande kod:

X_y_train = pd.concat([X_train.reset_index(drop = True),
                       y_train.reset_index(drop = True)], axis = 1)
count_nondefault, count_default = X_y_train['loan_status'].value_counts()

.value_counts() för den ursprungliga träningsdatan skrivs ut automatiskt.

Den här övningen är en del av kursen

Kreditriskmodellering i Python

Visa kurs

Övningsinstruktioner

Skapa datamängder med icke-defaults och defaults och lagra dem som nondefaults respektive defaults.
Sampla nondefaults till samma antal som count_default och lagra resultatet som nondefaults_under.
Konkatenera nondefaults och defaults med .concat() och lagra det som X_y_train_under.
Skriv ut .value_counts() för lånestatus i den nya datamängden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create data sets for defaults and non-defaults
____ = ____[____[____] == 0]
____ = ____[____[____] == 1]

# Undersample the non-defaults
____ = nondefaults.sample(____)

# Concatenate the undersampled nondefaults with defaults
____ = pd.____([____.reset_index(drop = True),
                             ____.reset_index(drop = True)], axis = 0)

# Print the value counts for loan status
print(____[____].____())

Redigera och kör kod