Наскільки все може бути погано?
Ви дійшли висновку, що з імовірністю 98% реклама одягу має вищий коефіцієнт кліків, ніж реклама кросівок. Це підказує розгорнути кампанію з одягом на ширшу аудиторію. Однак є 2% ризику, що насправді кращою є реклама кросівок. Якщо так, скільки кліків ми втратимо, якщо розгорнемо кампанію з одягом?
Відповіддю є очікувані втрати: середня апостеріорна різниця між двома коефіцієнтами кліків за умови, що реклама кросівок краща. Щоб це обчислити, потрібно взяти лише ті елементи апостеріорної різниці, де коефіцієнт кліків для кросівок вищий, і знайти їхнє середнє.
Апостеріорна різниця між частками кліків, diff, доступна у вашому робочому середовищі. З'ясуймо, що поставлено на карту!
Ця вправа є частиною курсу
Баєсівський аналіз даних у Python
Інструкції до вправи
- Зробіть зріз
diff, щоб взяти лише випадки, де значення від'ємне (це відповідає вищій частці кліків для кросівок), і запишіть результат уloss. - Обчисліть середнє
loss, запишіть уexpected_lossі виведіть його.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Slice diff to take only cases where it is negative
loss = ____
# Compute and print expected loss
expected_loss = ____
print(____)