1. 学ぶ
    2. /
  2. コース
    3. /
  3. PythonでMachine Learningを使ってCTRを予測する
Connected

演習

分類器の比較

ROI フレームワークは、異なる分類器に対して実行することで、適合率や再現率が高いほど ROI が高くなることを確認できます。作成したベースライン分類器では、設計上 tp（真陽性）と fp（偽陽性）がどちらも 0 になるため、合計リターンとコストは 0 になります。この演習では、ROI フレームワークを使って、ロジスティック回帰と決定木分類器を比較します。

ワークスペースには X_train、y_train、X_test、y_test が用意されており、pandas は pd、numpy は np として利用できます。sklearn.linear_model の LogisticRegression() も使用可能です。

指示1 / 2

undefined XP
  • 1
    • ロジスティック回帰の分類器を作成し、テスト予測を生成します。
    • 合計リターン、総支出、ROI を計算します。
  • 2
    • 決定木の分類器を作成し、テスト予測を生成します。
    • 合計リターン、総コスト、ROI を計算します。