【说明】report.get_threshold_tb

本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com

report.get_threshold_tb - 阈值表计算函数

一、函数说明

report.get_threshold_tb用于计算阈值表

完整调用格式如下：

tb = report.get_threshold_tb(score,y,bin_step=10)

 入参说明

• score：样本的评分

         数据类型：单列pandas.core.series

• y：样本标签，0为好，1为坏

         数据类型：单列pandas.core.series

• bin_step：统计的步长，默认值为10，即每隔10分作为一段进行统计

     数据类型：正整数

二、函数示例

get_threshold_tb使用示例如下：

import  bbbrisk  as br

data       = br.datasets.load_bloan()                                          # 加载数据
x,y        = data.iloc[:,:-1],data['is_bad']                                   # 样本变量与标签
bin_sets    = br.bins.batch.autoBins(x, y,enum_var=['city','marital'])         # 自动分箱,如果有枚举变量,必须指出哪些是枚举变量
model,card = br.model.scoreCard(x,y,bin_sets,train_param={'random_state':0})   # 构建评分卡,为了使结果能重现,笔者设置了固定的随机种子 
score      = card.predict(x[card.var])                                         # 用评分卡进行评分
th_tb      = br.report.get_threshold_tb(score,y,bin_step=10)                   # 画出分数分布图
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)                       # 美化pandas的显示方式
print('\n* 阈值表th_tb:\n',th_tb)                                              # 打印阈值表

运行结果如下：

以第二行为例，它的意义如下：

[640,650)的人共12个，其中2个是好客户，10个是坏客户

如果阈值取为<640，则会：

损失29个客户，占总客户(20000个)中的0.15%，

损失的(29个)客户中有7个好客户，占总好客户(18617个)中的0.04%，

损失的(29个)客户中有22个坏客户(剔除了22个坏客户)，即剔除了总体坏客户(1383个)中的1.59%

本组中，坏客户占比为83.33%（10/12），损失客户中，坏客户占比为0.7059(22/29)

好了，以上就是report.get_threshold_tb函数的使用方法了~

 End