ComeçarComece de graça

Cálculo de negócio para o conjunto de dados de reservas de hotel

Anteriormente, você foi apresentado ao desafio de prever cancelamentos de reservas. Aqui, você vai trabalhar com o conjunto de dados real de Hotel Booking, em que um modelo prevê cancelamentos de acordo com o país de origem do cliente, o tempo entre a reserva e a chegada, as vagas de estacionamento necessárias e o hotel escolhido.

Os conjuntos de referência e de análise já foram carregados para você. Aqui estão as duas primeiras linhas:

  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

Sua tarefa é verificar o valor monetário do modelo e o desempenho de ROC AUC.

Este exercício faz parte do curso

Monitoramento de Machine Learning em Python

Ver curso

Instruções do exercício

  • Inicialize um limiar personalizado com 0 como valor inferior e 150.000 como valor superior.
  • Especifique as métricas business_value e roc_auc para monitoramento.
  • Defina TN como 0, FP como -100, FN como -200 e TP como 1500 em business_value_matrix.
  • Atribua o limiar personalizado à métrica de valor de negócio.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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()
Editar e executar o código