Začněte nyníZačněte zdarma

Vyhodnocení přesnosti a ROI

V tomto cvičení navazuješ na předchozí část a spouštíš MLPClassifier, který porovnáváš se třemi dalšími klasifikátory z dřívějška. Pro každý klasifikátor vypočítáš přesnost a odhadované ROI z výdajů na reklamu. Stejně jako předtím máš k dispozici trénovací a testovací sady pro X a y jako X_train, X_test pro X a y_train, y_test pro y, přičemž příznaky jsou již standardizované.

Toto cvičení je součástí kurzu

Předpovídání CTR pomocí Machine Learning v Pythonu

Zobrazit kurz

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create list of classifiers
names = ['Logistic Regression',  'Decision Tree',
         'Random Forest', 'Multi-Layer Perceptron']
clfs = [LogisticRegression(), 
        DecisionTreeClassifier(), RandomForestClassifier(), 
        MLPClassifier(hidden_layer_sizes = (5, ), max_iter = 40)]

# Fit each classifier and evaluate AUC of ROC curve 
for name, classifier in zip(names, clfs):
  classifier.____(____, ____)
  y_score = classifier.____(X_test)
  y_pred = classifier.____(X_test) 
  prec = ____(____, y_pred, average = 'weighted')
  print("Precision for %s: %s " %(name, prec))
Upravit a spustit kód