Du har nu använt logistiska regressionsmodeller och gradientboostade träd. Det är dags att jämföra dem och avgöra vilken modell som ska användas för de slutliga prediktionerna.

Ett av de enklaste första stegen när man jämför olika modellers förmåga att prediktera sannolikheten för fallissemang är att titta på deras mätvärden från classification_report(). På så sätt kan du se många olika utvärderingsmått sida vid sida för varje modell. Eftersom data och modeller vanligtvis är obalanserade med få fallissemang bör du för tillfället fokusera på måtten för fallissemang.

De tränade modellerna clf_logistic och clf_gbt har lästs in i arbetsytan tillsammans med deras prediktioner preds_df_lr och preds_df_gbt. Ett tröskelvärde på 0.4 användes för vardera modell. Testmängden y_test finns också tillgänglig.

Kreditstrategi och minsta förväntade förlust

Create Your Free Account