Бізнес-кейс із використанням кривої підйому
У відео ви навчилися реалізовувати метод, що обчислює прибуток кампанії:
profit = profit(perc_targets, perc_selected, population_size, campaign_cost, campaign_reward)
У цьому методі perc_targets — це відсоток цільових у групі, яку ви відбираєте для кампанії, perc_selected — відсоток людей, відібраних для кампанії, population_size — розмір усієї сукупності, campaign_cost — вартість звернення до однієї людини в кампанії, а campaign_reward — дохід від звернення до цільового.
У цій вправі ви з'ясуєте для конкретного випадку, чи корисно використовувати модель, порівнявши прибуток від звернення до всіх донорів із прибутком від звернення до топ-40% донорів.
Ця вправа є частиною курсу
Вступ до прогностичної аналітики в Python
Інструкції до вправи
- Побудуйте криву підйому. Передбачення зберігаються в
predictions_test, а справжні цільові значення — уtargets_test. - Зчитайте значення підйому на рівні 40% і впишіть його.
- Інформацію про кампанію вже задано в скрипті. Обчисліть прибуток від звернення до всієї сукупності.
- Обчисліть прибуток від звернення до топ-40%.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)