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。
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
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 and fit classifier
clf = ____
y_pred = clf.____(X_train, y_train).____(X_test)
# Calculate total return, total spent, and ROI
r, cost = 0.2, 0.05
tn, fp, fn, tp = ____(y_test, y_pred).____
total_return = ____ * r
total_spent = (____ + ____) * cost
roi = total_return / total_spent
print("Total return: %s, Total spent: %s, ROI: %s" %(total_return, total_spent, roi))