Пороги та матриці неточностей
Ви розглянули встановлення порогів для дефолтів, але як це впливає на загальну ефективність? Щоб це з'ясувати, почніть із перегляду наслідків за допомогою матриць неточностей.
Згадайте матрицю неточностей, як показано тут:
Встановіть різні значення порога для ймовірності дефолту та скористайтеся матрицею неточностей, щоб побачити, як зміна порога впливає на якість моделі.
Датафрейм із прогнозами preds_df, а також модель clf_logistic уже завантажено в робочу область.
Ця вправа є частиною курсу
Моделювання кредитного ризику в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))