分類器比較
可以在不同的分類器上套用 ROI 架構，觀察較高的 precision 與 recall 如何帶來更高的 ROI。請注意，你先前建立的基準分類器，因為設計上真陽性 tp 與假陽性 fp 都為 0，所以總報酬與成本皆為 0。本練習中，你將使用 ROI 架構比較邏輯迴歸與決策樹分類器。
工作空間中已提供 X_train、y_train、X_test、y_test，以及將 pandas 載入為 pd、numpy 載入為 np。sklearn.linear_model 中的 LogisticRegression() 也可使用。
本練習屬於課程
用 Python 透過機器學習預測 CTR
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))