분류기 비교
ROI 프레임워크는 서로 다른 분류기에 적용해 정밀도와 재현율이 높아질수록 ROI가 어떻게 높아지는지 확인할 수 있어요. 참고로, 이전에 만든 기준선 분류기는 설계상 참양성 tp와 거짓양성 fp이 모두 0이므로 총 수익과 비용이 0이 됩니다. 이 연습 문제에서는 ROI 프레임워크를 사용해 로지스틱 회귀와 의사결정나무 분류기를 비교해 봅니다.
작업 공간에는 X_train, y_train, X_test, y_test가 준비되어 있고, pandas는 pd, numpy는 np로 불러와져 있어요. sklearn.linear_model의 LogisticRegression()도 사용할 수 있습니다.
이 연습은 강의의 일부입니다
Python으로 Machine Learning을 활용한 CTR 예측
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))