การ Undersample ข้อมูลชุด Training
ถึงเวลาทำ undersample ชุดข้อมูล training ด้วยตัวเองโดยใช้โค้ดไม่กี่บรรทัดจาก Pandas เมื่อทำ undersampling เสร็จแล้ว ลองตรวจสอบจำนวนของแต่ละค่าใน loan_status เพื่อยืนยันผลลัพธ์
X_y_train, count_nondefault และ count_default ถูกโหลดไว้ใน workspace แล้ว โดยสร้างขึ้นจากโค้ดต่อไปนี้:
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()
ผลลัพธ์ .value_counts() ของข้อมูล training ชุดเดิมจะแสดงขึ้นมาโดยอัตโนมัติ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python
คำแนะนำการฝึกหัด
- สร้างชุดข้อมูลของ non-defaults และ defaults แล้วเก็บไว้ในตัวแปร
nondefaultsและdefaults - สุ่มตัวอย่างจาก
nondefaultsให้ได้จำนวนเท่ากับcount_defaultแล้วเก็บไว้เป็นnondefaults_under - นำ
nondefaults_underและdefaultsมารวมกันด้วย.concat()แล้วเก็บผลลัพธ์เป็นX_y_train_under - แสดงผล
.value_counts()ของสถานะเงินกู้สำหรับชุดข้อมูลใหม่
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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(____[____].____())