Kasus bisnis menggunakan kurva lift
Dalam video, Anda mempelajari cara mengimplementasikan sebuah metode yang menghitung laba dari suatu kampanye:
profit = profit(perc_targets, perc_selected, population_size, campaign_cost, campaign_reward)
Dalam metode ini, perc_targets adalah persentase target dalam kelompok yang Anda pilih untuk kampanye, perc_selected adalah persentase orang yang dipilih untuk kampanye, population_size adalah ukuran total populasi, campaign_cost adalah biaya menjangkau satu orang untuk kampanye, dan campaign_reward adalah imbal hasil dari menjangkau seorang target.
Dalam latihan ini Anda akan mempelajari, untuk kasus tertentu, apakah penggunaan model bermanfaat, dengan membandingkan laba yang diperoleh saat menjangkau semua donor versus 40% donor teratas.
Latihan ini adalah bagian dari kursus
Pengantar Predictive Analytics dengan Python
Petunjuk latihan
- Plot kurva lift. Prediksi ada di
predictions_testdan nilai target sebenarnya ada ditargets_test. - Baca nilai lift pada 40% dan isikan.
- Informasi tentang kampanye sudah diisikan dalam skrip. Hitung laba yang diperoleh saat menjangkau seluruh populasi.
- Hitung laba yang diperoleh saat menjangkau 40% teratas.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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)