So sánh các bộ phân loại
Bạn có thể chạy khung ROI trên nhiều bộ phân loại khác nhau để xem cách precision và recall cao hơn dẫn đến ROI cao hơn. Lưu ý rằng bộ phân loại baseline bạn đã tạo sẽ có tổng lợi nhuận và chi phí bằng 0 vì cả true positives tp và false positives fp đều bằng 0 theo thiết kế. Trong bài này, bạn sẽ dùng khung ROI để so sánh logistic regression và decision tree classifier.
X_train, y_train, X_test, y_test đã có sẵn trong môi trường của bạn cùng với pandas là pd, numpy là np. LogisticRegression() từ sklearn.linear_model cũng đã sẵn sàng.
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 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))