【发布时间】:2019-02-18 02:20:44
【问题描述】:
我有一个数据集,其中每一行都是客户生命周期的一个时间点。我使用目标变量对数据进行逻辑回归,以确定客户是否“流失”。我捕获预测并添加到数据框中。以下是带有预测的示例数据集:
我现在想计算每个客户在他/她的生命周期中的早期预测是正确的吗?然后聚合整个客户集,为分类模型构建自定义指标。
【问题讨论】:
标签: python pandas classification
我有一个数据集,其中每一行都是客户生命周期的一个时间点。我使用目标变量对数据进行逻辑回归,以确定客户是否“流失”。我捕获预测并添加到数据框中。以下是带有预测的示例数据集:
我现在想计算每个客户在他/她的生命周期中的早期预测是正确的吗?然后聚合整个客户集,为分类模型构建自定义指标。
【问题讨论】:
标签: python pandas classification
嗯,这就是我计算指标的方式。如果有人知道更好的解决方案,请告诉我:
total_count = 0
true_pred = 0
tenure= validation_data['tenure'].unique()
for i in range(len(tenure)):
running_tenure = i+1
for index, row in validation_data.iterrows():
if row['tenure'] == running_tenure :
total_count += 1
if row['churn'] == row['pred_churn']:
true_pred += 1
Accuracy = float(float(true_pred)/total_count)))
【讨论】: