違約率（Bad rates）
在考量核准率之後，現在你可以分析「已核准貸款」中的違約率。這能讓你看見被核准案件中有多少百分比實際違約。
想一想核准率與違約率的影響。我們設定核准率，是為了讓投資組合中的違約件數更少，因為違約的成本較高。那麼，違約率會不會低於測試資料中的整體違約比例？
預測的資料框 test_pred_df 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
- 印出預測資料框前 5 列。
- 建立名為
accepted_loans的子集，只包含預測貸款狀態為0的貸款。 - 以子集的
true_loan_status計算違約率，使用sum()與.count()。
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。
# Print the top 5 rows of the new data frame
print(____.____())
# Create a subset of only accepted loans
____ = ____[____['pred_loan_status'] == ____]
# Calculate the bad rate
print(np.____(____['true_loan_status']) / ____['true_loan_status'].____())