Visualisera kvantiler för acceptans
Du vet hur quantile() fungerar för att beräkna ett tröskelvärde, och du har sett ett exempel på hur det delar upp lånen i godkända och avvisade. Hur ser det här tröskelvärdet ut för testmängden, och hur kan du visualisera det?
För att undersöka detta kan du skapa ett histogram över sannolikheterna och lägga till en referenslinje för tröskelvärdet. På så sätt kan du tydligt visa var i fördelningen tröskelvärdet ligger.
Modellens förutsägelser clf_gbt_preds har laddats in i arbetsytan.
Den här övningen är en del av kursen
Kreditriskmodellering i Python
Övningsinstruktioner
- Skapa ett histogram över de förutsagda sannolikheterna
clf_gbt_preds. - Beräkna tröskelvärdet för en acceptansgrad på 85 % med hjälp av
quantile(). Spara värdet somthreshold. - Rita histogrammet igen, men lägg den här gången till en referenslinje med
.axvline().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot the predicted probabilities of default
plt.____(____, color = 'blue', bins = 40)
# Calculate the threshold with quantile
____ = np.____(____, ____)
# Add a reference line to the plot for the threshold
plt.____(x = ____, color = 'red')
plt.____()