얼마나 나쁠 수 있을까요?
여러분은 확률 98%로 의류 광고가 스니커즈 광고보다 클릭률이 더 높다고 결론지었어요. 이는 의류 캠페인을 더 넓은 사용자에게 확장하는 것이 좋다는 뜻입니다. 하지만 실제로는 스니커즈 광고가 더 좋을 위험이 2% 있어요. 만약 그렇다면, 의류 캠페인을 확장할 경우 우리는 클릭을 얼마나 잃게 될까요?
이에 대한 답은 기대 손실입니다. 즉, 스니커즈 광고가 더 좋다는 조건에서 두 클릭률의 사후 차이의 평균이에요. 이를 계산하려면 스니커즈 클릭률이 더 높은 경우의 사후 차이 항목만 가져와서 그 평균을 구하면 됩니다.
클릭률의 사후 차이인 diff가 작업 공간에 준비되어 있어요. 얼마나 위험이 있는지 확인해 봅시다!
이 연습은 강의의 일부입니다
Python으로 배우는 Bayesian 데이터 분석
연습 안내
- 스니커즈 클릭률이 더 높은 경우에 해당하는, 즉 음수인 경우만 선택하도록
diff를 슬라이스하고 결과를loss에 할당하세요. loss의 평균을 계산해expected_loss에 할당한 뒤 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Slice diff to take only cases where it is negative
loss = ____
# Compute and print expected loss
expected_loss = ____
print(____)