Hotel Booking 데이터셋의 비즈니스 가치 계산
앞서 예약 취소를 예측하는 과제에 대해 살펴봤어요. 여기서는 실제 Hotel Booking 데이터셋을 사용해, 고객의 출신 국가, 예약 후 도착까지의 기간, 필요한 주차 공간 수, 선택한 호텔을 바탕으로 예약 취소를 예측한 모델을 다룹니다.
참조(reference) 세트와 분석(analysis) 세트는 이미 불러와 두었어요. 처음 두 행은 다음과 같아요:
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
여러분의 과제는 모델의 금전적 가치와 ROC AUC 성능을 확인하는 것입니다.
이 연습은 강의의 일부입니다
Python으로 Machine Learning 모니터링
연습 안내
- 하한값 0, 상한값 150,000으로 사용자 지정 임계값을 초기화하세요.
- 모니터링할 메트릭으로 비즈니스 가치와
roc_auc를 지정하세요. business_value_matrix에서TN은 0,FP는 -100,FN은 -200,TP는 1500으로 설정하세요.- 비즈니스 가치 메트릭에 사용자 지정 임계값을 할당하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()