1. Learn
  2. /
  3. 课程
  4. /
  5. Python 信用风险建模

Connected

道练习

阈值如何影响模型表现

将阈值设为 0.4 后,模型评估结果看起来不错。现在,您可以使用分类报告中的违约召回率(通过函数 precision_recall_fscore_support() 获取)来评估财务影响。

为此,您将利用违约召回率来估算意外损失:用它来找出在新阈值下您没有捕获到的违约占比。这将对应一个美元金额,表示如果所有未识别的违约样本同时违约,您将遭受多少损失。

平均贷款金额 avg_loan_amnt 已经计算好,并与 preds_df 和 y_test 一起提供在工作区中。

说明

100 XP
  • 使用阈值 0.4 重新赋值 loan_status。
  • 在 preds_df 中使用 value counts 的第二个值作为违约数量,并存入 num_defaults。
  • 从分类矩阵中获取违约召回率,并存入 default_recall。
  • 用新的违约召回率估算意外损失:计算 1 - default_recall 与平均贷款金额及违约贷款数量的乘积。