बिज़नेस वैल्यू की गणना और अनुमान

Python में मशीन लर्निंग मॉनिटरिंग

Maciej Balawejder

Data Scientist

मॉडल की बिज़नेस वैल्यू

मशीन लर्निंग मॉडल का लक्ष्य बिज़नेस को वैल्यू देना है।
मॉडल की बिज़नेस वैल्यू घट सकती है क्योंकि:
- ग्राहक की आदतों में बदलाव
- मॉडल अब उपयोगी न रहना

Confusion matrix

चित्र में TP, FN, FP और TN मानों वाला कंफ्यूज़न मैट्रिक्स दिखाया गया है.

True positive (TP) - मॉडल सही तरीके से भविष्यवाणी करता है कि बुकिंग रद्द नहीं होगी।
False positive (FP) - मॉडल गलत तरीके से भविष्यवाणी करता है कि बुकिंग रद्द नहीं होगी।
False negative (FN) - मॉडल गलत तरीके से भविष्यवाणी करता है कि बुकिंग रद्द होगी।
True negative (TN) - मॉडल सही तरीके से भविष्यवाणी करता है कि बुकिंग रद्द होगी।

बिज़नेस वैल्यू फॉर्मूला

चित्र में कंफ्यूज़न मैट्रिक्स और बिज़नेस वैल्यू मैट्रिक्स का गुणा और जोड़ दिखाया गया है.

True positive (TP) - कोई वैल्यू न जोड़ता, न घटाता।
False positive (FP) - रिलोकेशन और डिस्काउंट्स होते हैं, होटल की लागत $200।
False negative (FN) - होटल की लागत $100, रिप्लेसमेंट मिलने तक एक रात का स्टे।
True negative (TN) - $1000 का लाभ क्योंकि होटल कमरा किसी और को दे सकता है।

जब लेबल उपलब्ध हों

चित्र में लेबल उपलब्ध होने पर मॉडल की बिज़नेस वैल्यू की गणना की प्रक्रिया दिखाई गई है.

# Initialize the calculator
calculator = nannyml.PerformanceCalculator(...
    problem_type='classification_binary',
    metrics=['business_value'],
    # [value_of_TN, value_of_FP], [value_of_FN, value_of_TP]]
    business_value_matrix = [[0, -200],[-100, 1000]],
    normalize_business_value='None')

जब लेबल उपलब्ध न हों

चित्र में लेबल उपलब्ध न होने पर मॉडल की बिज़नेस वैल्यू के अनुमान की प्रक्रिया दिखाई गई है.

# Initialize the estimator
estimator = nannyml.CBPE(...
    problem_type='classification_binary',
    metrics=['business_value'],
    # [value_of_TN, value_of_FP], [value_of_FN, value_of_TP]]
    business_value_matrix = [[0, -200],[-100, 1000]],
    normalize_business_value='per_prediction')

अभ्यास करते हैं!

Python में मशीन लर्निंग मॉनिटरिंग