Modelldiskriminering och påverkan
Kreditriskmodellering i Python
Michael Crabtree
Data Scientist, Ford Motor Company
Förvirringsmatriser
- Visar antalet korrekta och felaktiga prediktioner för varje
loan_status
Default-recall för lånestatus
- Default-recall (eller känslighet) är andelen verkliga defaults som förutsägs
Recall-påverkan på portföljen
- Klassificeringsrapport – underpresterande logistisk regressionsmodell
Recall-påverkan på portföljen
- Klassificeringsrapport – underpresterande logistisk regressionsmodell
- Antal verkliga defaults: 50 000
| Lånebelopp | Defaults förutsagda / ej förutsagda | Beräknad förlust på defaults |
|---|---|---|
| $50 | .04 / .96 | (50000 x .96) x 50 = $2 400 000 |
Recall, precision och träffsäkerhet
- Svårt att maximera alla samtidigt på grund av en avvägning
