Рівні прийняття

Встановлення рівня прийняття та обчислення порогу для цього рівня допомагає задати відсоток нових кредитів, які ви хочете приймати. У цій вправі вважайте, що тестові дані — це нова партія заявок на кредити. Вам знадобиться функція quantile() з numpy, щоб обчислити поріг.

Поріг потрібно використати для присвоєння нових значень loan_status. Чи зміниться кількість дефолтів і недефолтів у даних?

Навчена модель clf_gbt і датафрейм з її прогнозами test_pred_df доступні.

Ця вправа є частиною курсу

Моделювання кредитного ризику в Python

Переглянути курс

Інструкції до вправи

Виведіть описову статистику prob_default у датафреймі прогнозів за допомогою .describe().
Обчисліть поріг для рівня прийняття 85% за допомогою quantile() і збережіть його як threshold_85.
Створіть новий стовпець pred_loan_status на основі threshold_85.
Виведіть кількість значень для нових категорій у pred_loan_status.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(____[____].____())

Редагувати та запускати код