Comparação de classificadores
O framework de ROI pode ser executado em diferentes classificadores para ver como maior precisão e recall levam a valores de ROI mais altos. Observe que o classificador de baseline que você criou teria retorno total e custo iguais a 0, já que tanto os verdadeiros positivos tp quanto os falsos positivos fp serão 0 por definição. Neste exercício, você vai usar o framework de ROI para comparar uma regressão logística e um classificador de árvore de decisão.
X_train, y_train, X_test, y_test estão disponíveis no seu workspace, assim como pandas como pd e numpy como np. LogisticRegression() de sklearn.linear_model também está disponível.
Este exercício faz parte do curso
Prevendo CTR com Machine Learning em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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))