Discriminación e impacto del modelo

Modelado del riesgo crediticio en Python

Michael Crabtree

Data Scientist, Ford Motor Company

Matrices de confusión

  • Muestra los aciertos y errores para cada loan_status

Matriz de confusión con fórmulas

Modelado del riesgo crediticio en Python

Recall de impago para loan status

  • El recall de impago (o sensibilidad) es la proporción de impagos reales predichos

Informe de clasificación con recall de impago

Fórmula del recall de impago

Modelado del riesgo crediticio en Python

Impacto del recall en la cartera

  • Informe de clasificación - Modelo de Regresión Logística con bajo rendimiento

Informe de clasificación con destacados de loan status

Modelado del riesgo crediticio en Python

Impacto del recall en la cartera

  • Informe de clasificación - Modelo de Regresión Logística con bajo rendimiento

Informe de clasificación con destacados de loan status

  • Número de impagos reales: 50.000
Importe del préstamo Impagos Predichos / No predichos Pérdida estimada por impagos
$50 .04 / .96 (50000 x .96) x 50 = $2,400,000
Modelado del riesgo crediticio en Python

Recall, precisión y accuracy

  • Difícil maximizar todo por el trade-off

Gráfico de recall de no impago con recall de impago y accuracy

Modelado del riesgo crediticio en Python

¡Vamos a practicar!

Modelado del riesgo crediticio en Python

Preparing Video For Download...