Calcul de la valeur commerciale pour l'ensemble de réservations d'hôtel
Plus tôt, vous avez été présenté au défi de prédire les annulations de réservations. Ici, vous allez travailler avec l'ensemble de données réel Hotel Booking, où un modèle prédit les annulations en fonction du pays d'origine de la clientèle, du délai entre la réservation et l'arrivée, des espaces de stationnement requis et de l'hôtel choisi.
Les ensembles de référence et d'analyse ont déjà été chargés pour vous. Voici les deux premières lignes :
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
Votre tâche est de vérifier la valeur monétaire du modèle et sa performance ROC AUC.
Cette activité fait partie du cours
Surveiller le Machine Learning en Python
Instructions de l’exercice
- Initialisez un seuil personnalisé avec 0 comme valeur inférieure et 150 000 comme valeur supérieure.
- Indiquez la valeur commerciale et la mesure
roc_aucpour la surveillance. - Définissez
TNà 0,FPà -100,FNà -200 etTPà 1500 dansbusiness_value_matrix. - Attribuez le seuil personnalisé à la mesure de valeur commerciale.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()