Kom igångKom igång gratis

Affärsvärdeberäkning för hotellbokningsdatamängden

Du introducerades tidigare till utmaningen med att förutsäga bokningsavbokningar. Här arbetar du med den faktiska hotellbokningsdatamängden, där en modell förutsäger bokningsavbokningar baserat på kundens ursprungsland, tiden mellan bokning och ankomst, antal parkeringsplatser och valt hotell.

Referens- och analysmängderna har redan laddats in åt dig. Här är de två första raderna:

  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

Din uppgift är att kontrollera modellens monetära värde och ROC AUC-prestanda.

Den här övningen är en del av kursen

Övervakning av maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Initiera ett anpassat tröskelvärde med 0 som nedre värde och 150 000 som övre värde.
  • Ange affärsvärdet och måttet roc_auc för övervakning.
  • Sätt TN till 0, FP till -100, FN till -200 och TP till 1500 i business_value_matrix.
  • Tilldela det anpassade tröskelvärdet till affärsvärdemåttet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod