ROI op advertentiebesteding
De return on investment (ROI) voor advertentiebesteding kan worden ingedeeld aan de hand van de vier uitkomsten uit een confusion matrix. Deze grootheid wordt gedefinieerd als de verhouding tussen de totale opbrengst en de totale kosten. Als deze waarde groter is dan 1, betekent dit dat de totale opbrengst groter was dan de totale kosten, en omgekeerd. In deze oefening bereken je een voorbeeld-ROI, uitgaande van een vaste r, de opbrengst per klik per aantal impressies, en cost, de kosten per aantal impressies.
De module pandas is beschikbaar als pd in je werkruimte en de voorbeeld-DataFrame is geladen als df. De arrays y_test (doelwaarden van de testset) en y_pred (voorspelde doelwaarden) zijn beschikbaar. Daarnaast is DecisionTreeClassifier uit sklearn.tree beschikbaar.
Deze oefening maakt deel uit van de cursus
CTR voorspellen met Machine Learning in Python
Oefeninstructies
- Bereken de confusion matrix en haal de vier categorieën op door de matrix af te vlakken met
.ravel(). - Bereken de totale opbrengst (met
r) en de totale kosten (metcost) door gebruik te maken van de aantallen uit de vier categorieën. - Bereken de totale ROI.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Compute confusion matrix and get four categories
conf_matrix = ____(y_test, y_pred)
tn, fp, fn, tp = conf_matrix.____
# Calculate total return, total spent, and ROI
r = 0.2
cost = 0.05
total_return = ____ * r
total_cost = (____ + ____) * cost
roi = ____ / ____
print("Total return: %s, Total cost: %s, ROI: %s" %(
total_return, total_cost, roi))