ความเสี่ยงที่อาจเกิดขึ้น
คุณได้สรุปแล้วว่า ด้วยความน่าจะเป็น 98% โฆษณาเสื้อผ้ามีอัตราการคลิกสูงกว่าโฆษณารองเท้าผ้าใบ ซึ่งบ่งชี้ว่าควรขยายแคมเปญเสื้อผ้าไปยังกลุ่มผู้ชมที่กว้างขึ้น อย่างไรก็ตาม ยังมีความเสี่ยง 2% ที่โฆษณารองเท้าผ้าใบอาจให้ผลดีกว่าจริง หากเกิดกรณีนั้นขึ้น เราจะสูญเสียจำนวนคลิกไปเท่าไรหากเดินหน้าแคมเปญเสื้อผ้า?
คำตอบคือ expected loss หรือค่าเฉลี่ยของความแตกต่างในเชิง posterior ระหว่างอัตราการคลิกทั้งสอง เมื่อพิจารณาเฉพาะกรณีที่โฆษณารองเท้าผ้าใบทำได้ดีกว่า วิธีคำนวณคือนำเฉพาะค่าใน posterior difference ที่อัตราการคลิกของรองเท้าผ้าใบสูงกว่า แล้วหาค่าเฉลี่ย
posterior difference ของอัตราการคลิก diff มีอยู่แล้วใน workspace ของคุณ มาดูกันว่าความเสี่ยงที่แท้จริงอยู่ที่เท่าไร!
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python
คำแนะนำการฝึกหัด
- ตัดข้อมูลจาก
diffเฉพาะกรณีที่ค่าเป็นลบ (ซึ่งหมายความว่าอัตราการคลิกของรองเท้าผ้าใบสูงกว่า) แล้วกำหนดผลลัพธ์ให้กับloss - คำนวณค่าเฉลี่ยของ
lossกำหนดให้กับexpected_lossแล้วพิมพ์ผลออกมา
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Slice diff to take only cases where it is negative
loss = ____
# Compute and print expected loss
expected_loss = ____
print(____)