1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mô hình hóa Rủi ro Tín dụng bằng Python
Connected

Bài tập

Ngưỡng ảnh hưởng thế nào đến hiệu năng

Đặt ngưỡng là 0.4 cho thấy kết quả khả quan khi đánh giá mô hình. Giờ bạn có thể ước tính tác động tài chính bằng cách dùng recall của lớp vỡ nợ (default recall), được lấy từ báo cáo phân loại thông qua hàm precision_recall_fscore_support().

Với điều này, bạn sẽ ước tính khoản lỗ bất ngờ (unexpected loss) bằng cách dùng default recall để tìm tỷ lệ các khoản vỡ nợ mà bạn KHÔNG bắt được với ngưỡng mới. Đây sẽ là một con số đô la cho biết bạn sẽ lỗ bao nhiêu nếu tất cả các khoản vỡ nợ không bị phát hiện đồng loạt vỡ nợ.

Giá trị khoản vay trung bình, avg_loan_amnt, đã được tính và cung cấp sẵn trong không gian làm việc cùng với preds_df và y_test.

Hướng dẫn

100 XP
  • Gán lại các giá trị loan_status với ngưỡng 0.4.
  • Lưu số lượng khoản vỡ nợ trong preds_df bằng cách chọn giá trị thứ hai từ kết quả đếm và lưu vào num_defaults.
  • Lấy tỷ lệ recall của lớp vỡ nợ từ ma trận phân loại và lưu vào default_recall.
  • Ước tính khoản lỗ bất ngờ từ default recall mới bằng cách nhân 1 - default_recall với khoản vay trung bình và số lượng khoản vay vỡ nợ.