BaşlayınÜcretsiz başlayın

Kesinlik (precision) ve ROI'yi değerlendirme

Bu egzersizde, bir önceki egzersizin üzerine inşa ederek bir MLPClassifier çalıştıracak ve bunu daha önce çalıştırılan üç başka sınıflandırıcıyla karşılaştıracaksın. Her sınıflandırıcı için kesinliği (precision) ve reklam harcamasındaki ima edilen ROI'yi hesaplayacaksın. Daha önce olduğu gibi, X ve y için eğitim ve test bölümleri sırasıyla X_train, X_test ve y_train, y_test olarak hazır ve özellikler zaten standartlaştırılmış durumda.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning kullanarak TOB tahmini

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Create list of classifiers
names = ['Logistic Regression',  'Decision Tree',
         'Random Forest', 'Multi-Layer Perceptron']
clfs = [LogisticRegression(), 
        DecisionTreeClassifier(), RandomForestClassifier(), 
        MLPClassifier(hidden_layer_sizes = (5, ), max_iter = 40)]

# Fit each classifier and evaluate AUC of ROC curve 
for name, classifier in zip(names, clfs):
  classifier.____(____, ____)
  y_score = classifier.____(X_test)
  y_pred = classifier.____(X_test) 
  prec = ____(____, y_pred, average = 'weighted')
  print("Precision for %s: %s " %(name, prec))
Kodu Düzenle ve Çalıştır