시작하기무료로 시작하기

정밀도와 ROI 평가

이 연습 문제에서는 이전 연습을 확장하여 MLPClassifier를 실행하고, 앞에서 사용했던 다른 세 가지 분류기와 비교해 보겠습니다. 각 분류기에 대해 정밀도(precision)와 광고 지출에 대한 암시적 ROI를 계산합니다. 이전과 마찬가지로 X와 y에 대해 학습/테스트 분할이 각각 X_train, X_test, y_train, y_test로 제공되며, 특성은 이미 표준화되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 Machine Learning을 활용한 CTR 예측

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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))
코드 편집 및 실행