門檻值與混淆矩陣
你已經看過如何設定違約的門檻值，但這會如何影響整體效能呢？為了檢視這點，你可以先用混淆矩陣來觀察其影響。
回想下列混淆矩陣的樣子：
替違約機率設定不同的門檻值，並用混淆矩陣來看看門檻值改變後對模型效能的影響。
工作環境中已載入包含預測結果的資料框 preds_df，以及模型 clf_logistic。
本練習屬於課程
以 Python 進行信用風險建模
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。
# Set the threshold for defaults to 0.5
____[____] = ____[____].apply(lambda x: 1 if x > ____ else 0)
# Print the confusion matrix
print(____(____,____[____]))