Zacznij terazZacznij za darmo

Obliczanie wartości biznesowej dla zbioru danych o rezerwacjach hotelowych

Wcześniej poznałeś/-aś wyzwanie związane z przewidywaniem anulowania rezerwacji. Teraz będziesz pracować z rzeczywistym zbiorem danych o rezerwacjach hotelowych, w którym model przewiduje anulowania na podstawie kraju pochodzenia klienta, czasu między rezerwacją a przyjazdem, wymaganej liczby miejsc parkingowych oraz wybranego hotelu.

Zbiory referencyjny i analityczny zostały już wczytane. Oto dwa pierwsze wiersze:

  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

Twoim zadaniem jest sprawdzenie wartości pieniężnej modelu oraz jego wydajności mierzonej metryką ROC AUC.

To ćwiczenie jest częścią kursu

Monitorowanie uczenia maszynowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zainicjuj niestandardowy próg, ustawiając dolną wartość na 0, a górną na 150 000.
  • Określ metryki business_value i roc_auc do monitorowania.
  • W business_value_matrix ustaw TN na 0, FP na -100, FN na -200, a TP na 1500.
  • Przypisz niestandardowy próg do metryki wartości biznesowej.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()
Edytuj i uruchom kod