开始使用免费开始使用

酒店预订数据集的业务价值计算

此前，您已经了解了预测预订是否会被取消的挑战。在本练习中，您将使用实际的 Hotel Booking 数据集。模型会基于客户来源国家、预订到到店的间隔时间、所需停车位数量以及所选酒店来预测是否取消预订。

参考集和分析集已为您加载。前两行数据如下：

  country  lead_time  parking_spaces       hotel  y_pred  y_pred_proba  is_canceled  timestamp
0  FRA     120        0               City Hotel  0       0.239983      0           2016-05-01
1  ITA     120        1               City Hotel  0       0.003965      0           2016-05-01

您的任务是检查模型的货币价值以及 ROC AUC 表现。

本练习是课程的一部分

Python 中的机器学习监控

查看课程

练习说明

  • 使用下限为 0、上限为 150,000 初始化一个自定义阈值。
  • 指定用于监控的业务价值指标和 roc_auc 指标。
  • 在 business_value_matrix 中设置 TN 为 0、FP 为 -100、FN 为 -200、TP 为 1500。
  • 将自定义阈值分配给业务价值指标。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Custom business value thresholds
ct = ConstantThreshold(____=____, ____=____)
# Intialize the performance calculator
calc = PerformanceCalculator(problem_type='classification_binary',
			y_pred_proba='y_pred_proba',
  			timestamp_column_name="timestamp", 		
  			y_pred='y_pred',
  			y_true='is_canceled',
            chunk_period='m',
  			metrics=[____, ____],
  			business_value_matrix = [[____, ____],[____, ____]],
  			thresholds={____: ____})
calc = calc.fit(reference)
calc_res = calc.calculate(analysis)
calc_res.filter(period='analysis').plot().show()
编辑并运行代码