Välja rapportmätvärden
Funktionen classification_report() innehåller många olika mätvärden, men du kanske inte alltid vill skriva ut hela rapporten. Ibland räcker det med specifika värden för att jämföra modeller eller använda dem i andra sammanhang.
Det finns en funktion i scikit-learn som plockar ut dessa värden åt dig. Den heter precision_recall_fscore_support() och tar samma parametrar som classification_report.
Den importeras och används så här:
# 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)
Datamängden cr_loan_prep tillsammans med prediktionerna i preds_df finns redan inlästa i workspace.
Den här övningen är en del av kursen
Kreditriskmodellering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))