ÎncepețiÎncepe gratuit

Calculul valorii de business pentru setul de date de rezervări hoteliere

Anterior, ai fost introdus/ă în provocarea de a prezice anulările de rezervări. Aici vei lucra cu setul de date real de rezervări hoteliere, unde un model prezice anulările de rezervări pe baza țării de origine a clientului, a intervalului de timp dintre rezervare și sosire, a locurilor de parcare necesare și a hotelului ales.

Seturile de referință și de analiză au fost deja încărcate pentru tine. Iată primele două rânduri:

  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

Sarcina ta este să verifici valoarea monetară a modelului și performanța ROC AUC.

Acest exercițiu face parte din cursul

Monitorizarea Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Inițializează un prag personalizat cu 0 ca valoare inferioară și 150.000 ca valoare superioară.
  • Specifică metricile business_value și roc_auc pentru monitorizare.
  • Setează TN la 0, FP la -100, FN la -200 și TP la 1500 în business_value_matrix.
  • Atribuie pragul personalizat metricii pentru valoarea de business.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()
Editează și rulează codul