始める無料で始める

適合率とROIを評価する

この演習では、前の演習を発展させ、MLPClassifier を実行し、これまでに実行した他の3つの分類器と比較します。各分類器について、適合率（precision）と広告費に対する推定ROIを計算します。これまでと同様に、X と y の学習用・テスト用分割はそれぞれ X_train、X_test、y_train、y_test として用意されており、特徴量はすでに標準化されています。

この演習はコースの一部です

PythonでMachine Learningを使ってCTRを予測する

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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))
コードを編集して実行