校准曲线
您已经知道梯度提升树 clf_gbt 的整体性能最佳。现在需要检查这两个模型的校准情况，看看在不同概率区间中默认预测表现是否稳定。您可以调用 calibration_curve() 函数，绘制每个模型的校准图来进行检查。
在 Python 中绘制校准曲线往往需要多行代码，因此我们将分步骤慢慢添加各个组成部分。
两组预测 clf_logistic_preds 和 clf_gbt_preds 已加载到工作区。同时，calibration_curve() 的输出也已为每个模型预先加载，分别为：frac_of_pos_lr、mean_pred_val_lr、frac_of_pos_gbt 和 mean_pred_val_gbt。
本练习是课程的一部分
Python 信用风险建模
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the calibration curve plot with the guideline
plt.____([0, 1], [0, 1], 'k:', label=____)
plt.____('Fraction of positives')
plt.____('Average Predicted Probability')
plt.legend()
plt.title('Calibration Curve')
plt.____()