ÎncepețiÎncepe gratuit

Evaluarea preciziei și a ROI

În acest exercițiu, continui din exercițiul anterior și rulezi un MLPClassifier pe care îl compari cu trei dintre clasificatorii utilizați anterior. Pentru fiecare clasificator, vei calcula precizia și ROI-ul implicit al cheltuielilor publicitare. Ca și înainte, ai împărțirile de antrenament și testare pentru X și y sub forma X_train, X_test pentru X și y_train, y_test pentru y, iar caracteristicile au fost deja standardizate.

Acest exercițiu face parte din cursul

Predicția CTR cu Machine Learning în Python

Vezi cursul

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create list of classifiers
names = ['Logistic Regression',  'Decision Tree',
         'Random Forest', 'Multi-Layer Perceptron']
clfs = [LogisticRegression(), 
        DecisionTreeClassifier(), RandomForestClassifier(), 
        MLPClassifier(hidden_layer_sizes = (5, ), max_iter = 40)]

# Fit each classifier and evaluate AUC of ROC curve 
for name, classifier in zip(names, clfs):
  classifier.____(____, ____)
  y_score = classifier.____(X_test)
  y_pred = classifier.____(X_test) 
  prec = ____(____, y_pred, average = 'weighted')
  print("Precision for %s: %s " %(name, prec))
Editează și rulează codul