Začněte nyníZačněte zdarma

Výpočet business value pro dataset hotelových rezervací

V předchozí části ses seznámil/a s úlohou předpovídání stornování rezervací. Teď budeš pracovat se skutečným datasetem hotelových rezervací, kde model předpovídá stornování na základě země původu zákazníka, doby mezi rezervací a příjezdem, požadovaných parkovacích míst a zvoleného hotelu.

Referenční a analytická sada jsou už načtené. Zde jsou první dva řádky:

  country  lead_time  parking_spaces       hotel  y_pred  y_pred_proba  is_canceled  timestamp
0  FRA     120        0               City Hotel  0       0.239983      0           2016-05-01
1  ITA     120        1               City Hotel  0       0.003965      0           2016-05-01

Tvůj úkol je zkontrolovat peněžní hodnotu modelu a výkonnost podle metriky ROC AUC.

Toto cvičení je součástí kurzu

Monitoring Machine Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Inicializuj vlastní threshold s hodnotou 0 jako dolní hranicí a 150 000 jako horní hranicí.
  • Zadej metriky business value a roc_auc pro monitoring.
  • V business_value_matrix nastav TN na 0, FP na -100, FN na -200 a TP na 1500.
  • Přiřaď vlastní threshold k metrice business value.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Custom business value thresholds
ct = ConstantThreshold(____=____, ____=____)
# Intialize the performance calculator
calc = PerformanceCalculator(problem_type='classification_binary',
			y_pred_proba='y_pred_proba',
  			timestamp_column_name="timestamp", 		
  			y_pred='y_pred',
  			y_true='is_canceled',
            chunk_period='m',
  			metrics=[____, ____],
  			business_value_matrix = [[____, ____],[____, ____]],
  			thresholds={____: ____})
calc = calc.fit(reference)
calc_res = calc.calculate(analysis)
calc_res.filter(period='analysis').plot().show()
Upravit a spustit kód