Сравнение классификаторов
Фреймворк ROI можно применять к различным классификаторам, чтобы увидеть, как повышение точности и полноты влияет на значения ROI. Обратите внимание: базовый классификатор, который вы создали ранее, даст нулевую доходность и нулевые затраты, поскольку истинно положительные tp и ложноположительные fp результаты будут равны нулю по определению. В этом упражнении вы используете фреймворк ROI для сравнения логистической регрессии и классификатора на основе дерева решений.
X_train, y_train, X_test, y_test доступны в вашем рабочем пространстве вместе с pandas под псевдонимом pd и numpy под псевдонимом np. Также доступен LogisticRegression() из sklearn.linear_model.
Это упражнение является частью курса
Прогнозирование CTR с помощью машинного обучения на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))