Hiệu suất của cây trên dữ liệu undersample
Bạn đã thực hiện undersample trên tập huấn luyện và huấn luyện một mô hình trên tập đã undersample.
Hiệu suất dự đoán của mô hình không chỉ ảnh hưởng đến xác suất vỡ nợ trên tập kiểm tra, mà còn tác động đến việc chấm điểm các hồ sơ vay mới khi chúng được gửi vào. Bạn cũng biết rằng việc tăng recall cho lớp vỡ nợ còn quan trọng hơn, vì dự đoán nhầm một khoản vỡ nợ thành không vỡ nợ sẽ tốn kém hơn nhiều.
Bước quan trọng tiếp theo là so sánh hiệu suất của mô hình mới với mô hình gốc. Dự đoán của mô hình gốc được lưu trong gbt_preds và dự đoán của mô hình mới được lưu trong gbt2_preds.
Các dự đoán gbt_preds và gbt2_preds cùng với y_test đã có sẵn trong workspace.
Bài tập này là một phần của khóa học
Mô hình hóa Rủi ro Tín dụng bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Check the classification reports
target_names = ['Non-Default', 'Default']
print(____(y_test, ____, target_names=target_names))
print(____(y_test, ____, target_names=target_names))