เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

อัตราการอนุมัติสินเชื่อ

การกำหนดอัตราการอนุมัติและคำนวณค่า threshold สำหรับอัตรานั้น ช่วยให้สามารถกำหนดสัดส่วนสินเชื่อใหม่ที่ต้องการอนุมัติได้ ในแบบฝึกหัดนี้ ให้สมมติว่าข้อมูลชุดทดสอบคือสินเชื่อใหม่ที่เพิ่งส่งเข้ามา โดยต้องใช้ฟังก์ชัน quantile() จาก numpy เพื่อคำนวณค่า threshold

นำค่า threshold ไปใช้เพื่อกำหนดค่า loan_status ใหม่ แล้วดูว่าจำนวนการผิดนัดชำระหนี้และการชำระตามปกติในข้อมูลเปลี่ยนแปลงไปหรือไม่

โมเดลที่ฝึกแล้ว clf_gbt และ data frame ของผลการทำนาย test_pred_df พร้อมให้ใช้งานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พิมพ์สถิติสรุปของ prob_default ใน data frame ของผลการทำนายโดยใช้ .describe()
  • คำนวณค่า threshold สำหรับอัตราการอนุมัติ 85% ด้วย quantile() แล้วเก็บไว้ในตัวแปร threshold_85
  • สร้างคอลัมน์ใหม่ชื่อ pred_loan_status โดยอิงจาก threshold_85
  • พิมพ์จำนวนนับของค่าใหม่ในคอลัมน์ pred_loan_status

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Check the statistics of the probabilities of default
print(____[____].describe())

# Calculate the threshold for a 85% acceptance rate
____ = np.____(____['prob_default'], ____)

# Apply acceptance rate threshold
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)

# Print the counts of loan status after the threshold
print(____[____].____())
แก้ไขและรันโค้ด