Вибір метрик звіту
Функція classification_report() містить багато різних метрик, але не завжди потрібно виводити повний звіт. Іноді достатньо окремих значень, щоб порівняти моделі або використати їх для інших цілей.
У scikit-learn є функція, яка повертає потрібні значення. Це precision_recall_fscore_support(), і вона приймає ті самі параметри, що й classification_report.
Її імпортують і використовують так:
# Import function
from sklearn.metrics import precision_recall_fscore_support
# Select all non-averaged values from the report
precision_recall_fscore_support(y_true,predicted_values)
Набір даних cr_loan_prep і передбачення в preds_df уже завантажено в робочий простір.
Ця вправа є частиною курсу
Моделювання кредитного ризику в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))