Compararea clasificatoarelor
Framework-ul ROI poate fi aplicat pe clasificatoare diferite pentru a vedea cum valorile mai ridicate ale preciziei și recall-ului conduc la valori ROI mai mari. Reține că clasificatorul de bază pe care l-ai creat ar avea un randament total și un cost total de 0, deoarece atât pozitivele reale tp, cât și pozitivele false fp vor fi 0 prin construcție. În acest exercițiu, vei folosi framework-ul ROI pentru a compara o regresie logistică și un clasificator de tip arbore de decizie.
X_train, y_train, X_test, y_test sunt disponibile în spațiul tău de lucru, împreună cu pandas ca pd și numpy ca np. LogisticRegression() din sklearn.linear_model este de asemenea disponibil.
Acest exercițiu face parte din cursul
Predicția CTR cu Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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))