Lift eğrisi ile iş vakası
Videoda bir kampanyanın kârını hesaplayan bir yöntemi nasıl uygulayacağını öğrendin:
profit = profit(perc_targets, perc_selected, population_size, campaign_cost, campaign_reward)
Bu yöntemde perc_targets, kampanya için seçtiğin gruptaki hedeflerin yüzdesi; perc_selected, kampanya için seçilen kişilerin yüzdesi; population_size, toplam nüfus; campaign_cost, kampanyada tek bir kişiye ulaşmanın maliyeti; campaign_reward ise bir hedefe ulaşmanın ödülüdür.
Bu egzersizde, tüm bağışçılara seslenildiğinde elde edilen kârı, en üst %40’lık dilimdeki bağışçılara seslenildiğinde elde edilen kârla karşılaştırarak, belirli bir durumda model kullanmanın faydalı olup olmadığını öğreneceksin.
Bu egzersiz, kursun bir parçasıdır
Python ile Öngörücü Analitiğe Giriş
Egzersiz talimatları
- Lift eğrisini çiz. Tahminler
predictions_testiçinde, gerçek hedef değerleritargets_testiçinde. - %40’taki lift değerini oku ve doldur.
- Kampanyaya ilişkin bilgiler betikte girilmiş durumda. Tüm nüfusa seslenildiğinde elde edilen kârı hesapla.
- En üst %40’a seslenildiğinde elde edilen kârı hesapla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Plot the lift graph
skplt.metrics.plot_lift_curve(____, ____)
plt.show()
# Read the lift at 40% (round it up to the upper tenth)
perc_selected = 0.4
lift = ____
# Information about the campaign
population_size, target_incidence, campaign_cost, campaign_reward = 100000, 0.01, 1, 100
# Profit if all donors are targeted
profit_all = profit(____, 1, population_size, campaign_cost, campaign_reward)
print(profit_all)
# Profit if top 40% of donors are targeted
profit_40 = profit(____ * ____, 0.4, population_size, campaign_cost, campaign_reward)
print(profit_40)