Inizia subitoInizia gratis

Calcolo del valore aziendale per il dataset delle prenotazioni alberghiere

In precedenza hai visto la sfida di prevedere le cancellazioni delle prenotazioni. Qui lavorerai con il vero dataset Hotel Booking, in cui un modello prevede le cancellazioni in base al paese di origine del cliente, al tempo tra prenotazione e arrivo, ai posti auto richiesti e all'hotel scelto.

I set di riferimento e di analisi sono già stati caricati per te. Ecco le prime due righe:

  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

Il tuo compito è verificare il valore monetario del modello e le prestazioni ROC AUC.

Questo esercizio fa parte del corso

Monitoraggio del Machine Learning in Python

Visualizza corso

Istruzioni dell'esercizio

  • Inizializza una soglia personalizzata con 0 come valore inferiore e 150.000 come valore superiore.
  • Specifica le metriche di monitoring business_value e roc_auc.
  • Imposta TN a 0, FP a -100, FN a -200 e TP a 1500 in business_value_matrix.
  • Assegna la soglia personalizzata alla metrica del valore aziendale.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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()
Modifica ed esegui il codice