开始使用免费开始使用

评估精确率与 ROI

在本练习中，您将基于上一个练习，运行一个 MLPClassifier，并将其与先前使用过的另外三个分类器进行对比。对于每个分类器，您将计算精确率以及广告投放的隐含 ROI。与之前一样，X 与 y 已按训练集与测试集划分为 X_train、X_test 和 y_train、y_test，且特征已完成标准化。

本练习是课程的一部分

用 Python 预测 CTR 的机器学习实战

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))
编辑并运行代码