लिफ्ट कर्व का उपयोग करते हुए बिज़नेस केस
वीडियो में आपने एक मेथड इम्प्लीमेंट करना सीखा था जो किसी कैंपेन का प्रॉफिट निकालता है:
profit = profit(perc_targets, perc_selected, population_size, campaign_cost, campaign_reward)
इस मेथड में, perc_targets उस समूह में टार्गेट्स का प्रतिशत है जिसे आप अपने कैंपेन के लिए चुनते हैं, perc_selected कैंपेन के लिए चुने गए लोगों का प्रतिशत, population_size कुल आबादी का आकार, campaign_cost कैंपेन में किसी एक व्यक्ति तक पहुँचने की लागत, और campaign_reward एक टार्गेट तक पहुँचने पर मिलने वाला रिवार्ड है.
इस अभ्यास में आप एक विशेष केस के लिए यह जानेंगे कि मॉडल का उपयोग करना फायदेमंद है या नहीं, इसके लिए आप पूरी आबादी के सभी डोनर्स को संबोधित करने से मिलने वाले प्रॉफिट की तुलना टॉप 40% डोनर्स को संबोधित करने से मिलने वाले प्रॉफिट से करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में प्रिडिक्टिव एनालिटिक्स परिचय
अभ्यास निर्देश
- लिफ्ट कर्व प्लॉट करें. प्रेडिक्शंस
predictions_testमें हैं और वास्तविक टार्गेट वैल्यूज़targets_testमें हैं. - 40% पर लिफ्ट का मान पढ़ें और उसे भरें.
- कैंपेन से जुड़ी जानकारी स्क्रिप्ट में दी गई है. पूरी आबादी को संबोधित करने पर होने वाला प्रॉफिट कैलकुलेट करें.
- टॉप 40% को संबोधित करने पर होने वाला प्रॉफिट कैलकुलेट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Plot the lift graph
skplt.metrics.plot_lift_curve(____, ____)
plt.show()
# Read the lift at 40% (round it up to the upper tenth)
perc_selected = 0.4
lift = ____
# Information about the campaign
population_size, target_incidence, campaign_cost, campaign_reward = 100000, 0.01, 1, 100
# Profit if all donors are targeted
profit_all = profit(____, 1, population_size, campaign_cost, campaign_reward)
print(profit_all)
# Profit if top 40% of donors are targeted
profit_40 = profit(____ * ____, 0.4, population_size, campaign_cost, campaign_reward)
print(profit_40)