เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ROI จากค่าใช้จ่ายโฆษณา

ผลตอบแทนจากการลงทุน (ROI) ในค่าใช้จ่ายโฆษณาสามารถวิเคราะห์ได้จากผลลัพธ์ทั้งสี่ประเภทของ confusion matrix โดย ROI คืออัตราส่วนระหว่างผลตอบแทนรวมและต้นทุนรวม ถ้าค่านี้มากกว่า 1 แสดงว่าผลตอบแทนรวมสูงกว่าต้นทุนรวม และในทางกลับกัน ในแบบฝึกหัดนี้ คุณจะคำนวณ ROI ตัวอย่าง โดยกำหนดให้ r คือผลตอบแทนต่อคลิกต่อจำนวนการแสดงผล และ cost คือต้นทุนต่อจำนวนการแสดงผล

โมดูล pandas พร้อมใช้งานในชื่อ pd และ DataFrame ตัวอย่างโหลดไว้เป็น df อาร์เรย์ y_test (ค่าเป้าหมายของชุดทดสอบ) และ y_pred (ค่าเป้าหมายที่ทำนายได้) พร้อมใช้งานแล้ว นอกจากนี้ DecisionTreeClassifier จาก sklearn.tree ก็พร้อมใช้งานเช่นกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณ confusion matrix และดึงข้อมูลสี่ประเภทออกมาโดยใช้ .ravel() เพื่อแปลงเมทริกซ์ให้เป็นแนวเดียว
  • คำนวณผลตอบแทนรวม (โดยใช้ r) และต้นทุนรวม (โดยใช้ cost) จากค่าที่ได้จากสี่ประเภทนั้น
  • คำนวณ ROI รวม

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compute confusion matrix and get four categories
conf_matrix = ____(y_test, y_pred)
tn, fp, fn, tp = conf_matrix.____

# Calculate total return, total spent, and ROI
r = 0.2
cost = 0.05
total_return = ____ * r
total_cost = (____ + ____) * cost 
roi = ____ / ____
print("Total return: %s, Total cost: %s, ROI: %s" %(
  total_return, total_cost, roi))
แก้ไขและรันโค้ด