เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ผลกระทบของอัตราการอนุมัติสินเชื่อ

ลองดูค่า loan_amnt ของสินเชื่อแต่ละรายการ เพื่อทำความเข้าใจผลกระทบต่อพอร์ตโฟลิโอจากอัตราการอนุมัติสินเชื่อ สามารถใช้ cross table พร้อมค่าที่คำนวณแล้ว เช่น จำนวนเงินกู้เฉลี่ย จากชุดสินเชื่อใหม่ X_test โดยนำจำนวนของแต่ละกลุ่มคูณกับค่าเฉลี่ย loan_amnt

เมื่อแสดงผลค่าเหล่านี้ ลองจัดรูปแบบให้อยู่ในรูปสกุลเงิน เพื่อให้ตัวเลขดูสมจริงยิ่งขึ้น ท้ายที่สุดแล้ว การบริหารความเสี่ยงด้านสินเชื่อเกี่ยวข้องกับตัวเงินโดยตรง ทำได้ด้วยโค้ดต่อไปนี้:

pd.options.display.float_format = '${:,.2f}'.format

โหลด DataFrame ชื่อ test_pred_df ที่รวมคอลัมน์ loan_amnt จาก X_test ไว้ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แสดงสถิติสรุปของคอลัมน์ loan_amnt โดยใช้ .describe()
  • คำนวณค่าเฉลี่ยของ loan_amnt แล้วเก็บไว้ในตัวแปร avg_loan
  • กำหนดรูปแบบการแสดงผลของ pandas เป็น '${:,.2f}'
  • แสดง cross table ของสถานะสินเชื่อจริงและสถานะสินเชื่อที่พยากรณ์ไว้ โดยคูณแต่ละค่าด้วย avg_loan

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Print the statistics of the loan amount column
print(____[____].____())

# Store the average loan amount
____ = np.____(____[____])

# Set the formatting for currency, and print the cross tab
pd.options.display.float_format = ____.format
print(pd.____(____[____],
                 ____[____]).apply(lambda x: x * ____, axis = 0))
แก้ไขและรันโค้ด