Đánh giá precision và ROI
Trong bài này, bạn sẽ tiếp nối bài trước: chạy MLPClassifier và so sánh với ba bộ phân loại đã chạy trước đó. Với mỗi bộ phân loại, bạn sẽ tính precision và ROI ngụ ý trên chi phí quảng cáo. Như trước, chúng ta có tập train và test cho X và y là X_train, X_test cho X và y_train, y_test cho y, và các đặc trưng đã được chuẩn hóa sẵn.
Bài tập này là một phần của khóa học
Dự đoán CTR với Machine Learning trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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))