การจำแนกโมเดลและผลกระทบ
การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python
Michael Crabtree
Data Scientist, Ford Motor Company
Confusion matrix
- แสดงจำนวนการพยากรณ์ที่ถูกและผิดสำหรับแต่ละ
loan_status
Default recall สำหรับสถานะเงินกู้
- Default recall (หรือ sensitivity) คือสัดส่วนของการผิดนัดจริงที่โมเดลพยากรณ์ได้
ผลกระทบของ recall ต่อพอร์ตโฟลิโอ
- Classification report — โมเดล Logistic Regression ที่ประสิทธิภาพต่ำ
ผลกระทบของ recall ต่อพอร์ตโฟลิโอ
- Classification report — โมเดล Logistic Regression ที่ประสิทธิภาพต่ำ
- จำนวนการผิดนัดจริง: 50,000 ราย
| จำนวนเงินกู้ | การผิดนัดที่พยากรณ์ได้ / ไม่ได้ | ประมาณการขาดทุนจากการผิดนัด |
|---|---|---|
| $50 | .04 / .96 | (50000 x .96) x 50 = $2,400,000 |
Recall, precision และ accuracy
- ยากที่จะเพิ่มค่าทั้งหมดพร้อมกัน เพราะมี trade-off ระหว่างกัน
