用視覺化評分信用風險模型
現在，你想要將模型的表現視覺化。在 ROC 圖中，X 與 Y 軸分別是你已經看過的兩個指標：偽陽性率（fall-out）與真正率（sensitivity）。
你可以用以下程式碼繪製模型表現的 ROC 圖：
fallout, sensitivity, thresholds = roc_curve(y_test, prob_default)
plt.plot(fallout, sensitivity)
若要計算 AUC 分數，請使用 roc_auc_score()。
信用資料 cr_loan_prep 與資料集 X_test、y_test 都已載入至工作區。經訓練的 LogisticRegression() 模型 clf_logistic 也已載入至工作區。
本練習屬於課程
以 Python 進行信用風險建模
練習說明
- 產生違約機率的預測，並將結果存到
preds。 - 列印模型在測試集
X與y上的準確率。 - 在測試資料與違約機率上使用
roc_curve()以取得fallout與sensitivity，接著以fallout為 x 軸繪製 ROC 曲線。 - 使用測試資料與違約機率計算模型的 AUC，並將其存到
auc。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create predictions and store them in a variable
____ = clf_logistic.____(____)
# Print the accuracy score the model
print(clf_logistic.____(____, ____))
# Plot the ROC curve of the probabilities of default
prob_default = preds[:, 1]
fallout, sensitivity, thresholds = ____(____, ____)
plt.plot(fallout, sensitivity, color = 'darkorange')
plt.plot([0, 1], [0, 1], linestyle='--')
plt.____()
# Compute the AUC and store it in a variable
____ = ____(____, ____)