Sınıflandırıcı karşılaştırması
ROI çerçevesi, daha yüksek precision ve recall değerlerinin nasıl daha yüksek ROI'ye yol açtığını görmek için farklı sınıflandırıcılar üzerinde çalıştırılabilir. Tasarım gereği hem true positive tp hem de false positive fp değerleri 0 olacağı için, oluşturduğun temel sınıflandırıcının toplam getiri ve maliyeti 0 olacaktır. Bu egzersizde ROI çerçevesini kullanarak lojistik regresyon ile karar ağacı sınıflandırıcılarını karşılaştıracaksın.
X_train, y_train, X_test, y_test çalışma alanında mevcut; ayrıca pandas pd olarak, numpy np olarak yüklü. sklearn.linear_model içindeki LogisticRegression() da kullanılabilir durumda.
Bu egzersiz, kursun bir parçasıdır
Python ile Machine Learning kullanarak TOB tahmini
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create and fit classifier
clf = ____
y_pred = clf.____(X_train, y_train).____(X_test)
# Calculate total return, total spent, and ROI
r, cost = 0.2, 0.05
tn, fp, fn, tp = ____(y_test, y_pred).____
total_return = ____ * r
total_spent = (____ + ____) * cost
roi = total_return / total_spent
print("Total return: %s, Total spent: %s, ROI: %s" %(total_return, total_spent, roi))