不良率
在考虑通过率的前提下，您现在可以分析已获批贷款中的不良率。这样，您就能看到已接受的申请中违约所占的百分比。
想一想通过率与不良率的影响。我们设置通过率，是为了让投资组合中的违约更少，因为违约成本更高。不良率会小于测试数据中的违约比例吗？
预测数据框 test_pred_df 已加载到工作区。
本练习是课程的一部分
Python 信用风险建模
练习说明
- 打印预测数据框的前 5 行。
- 创建名为
accepted_loans的子集，仅包含预测贷款状态为0的贷款。 - 使用
sum()和.count()，基于该子集的true_loan_status计算不良率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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'].____())