Cierre y comentarios

Modelización del riesgo de crédito en R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

¿Mejor umbral para accuracy?

$$

Captura de pantalla 22-06-2020 a las 14.42.06.png

$$

$\text{Accuracy} = \frac{TP + TN}{TP + FP + TN + FN}$

Modelización del riesgo de crédito en R

¿Mejor umbral para accuracy?

$$

Captura de pantalla 22-06-2020 a las 14.42.20.png

$$

$\text{Accuracy} = \frac{TP + TN}{TP + FP + TN + FN}$

Modelización del riesgo de crédito en R

¿Mejor umbral para accuracy?

$$

Captura de pantalla 22-06-2020 a las 14.42.36.png

$$

$\text{Accuracy} = \frac{TP + TN}{TP + FP + TN + FN}$

Modelización del riesgo de crédito en R

¿Mejor umbral para accuracy?

$$

Captura de pantalla 22-06-2020 a las 14.42.50.png

$$

$\text{Accuracy} = \frac{TP + TN}{TP + FP + TN + FN}$

Modelización del riesgo de crédito en R

¿Mejor umbral para accuracy?

$$

Captura de pantalla 22-06-2020 a las 14.42.50.png

$$

$\text{Accuracy} = 89.31\%$

$\text{Impagos reales en test} = 10.69\%$

$$ = (100 - 89.31)\%$$

Modelización del riesgo de crédito en R

¿Y la sensibilidad o especificidad?

$$

Captura de pantalla 22-06-2020 a las 14.43.10.png

$$

$\text{Sensibilidad} = 1037 / (1037 + 0) = 100\%$

$\text{Especificidad} = 0 / (0 + 864) = 0\%$

Modelización del riesgo de crédito en R

¿Y la sensibilidad o especificidad?

$$

Captura de pantalla 22-06-2020 a las 14.43.24.png

Modelización del riesgo de crédito en R

¿Y la sensibilidad o especificidad?

$$

Captura de pantalla 22-06-2020 a las 14.43.39.png

$$

$\text{Sensibilidad} = 0 / (0 + 1037) = 0\%$

$\text{Especificidad} = 8640 / (8640 + 0) = 100\%$

Modelización del riesgo de crédito en R

Sobre la regresión logística…

log_model_full <- glm(loan_status ~ ., family = "binomial", data = training_set)

Es lo mismo que:

log_model_full <- glm(loan_status ~ ., family = binomial(link = logit), data = training_set)

Recuerda:

$$P({\text{loan status}}=1|x_1,...,x_m) = \frac{1}{1+e^{-(\beta_0 + \beta_1 x_1 + ... + \beta_m x_m)}}$$

Modelización del riesgo de crédito en R
log_model_full <- glm(loan_status ~ ., 
                      family = binomial(link = probit), 
                      data = training_set)

log_model_full <- glm(loan_status ~ ., 
                      family = binomial(link = cloglog), 
                      data = training_set)
  • $\beta_j < 0$
    • La probabilidad de impago baja al subir $x_j$
  • $\beta_j > 0$
    • La probabilidad de impago sube al subir $x_j$

$$P({\text{loan status}}=1|x_1,...,x_m) = \frac{1}{1+e^{-(\beta_0 + \beta_1 x_1 + ... + \beta_m x_m)}}$$

Modelización del riesgo de crédito en R

¡Vamos a practicar!

Modelización del riesgo de crédito en R

Preparing Video For Download...