Компания будет рассылать рекламные пакеты для нового продукта и хочет, чтобы как минимум 90% всех потенциальных покупателей получили материалы. Модель линейного обучения в настоящее время имеет полноту 80% и точность 75%. Как компания должна переобучить модель, чтобы приоритетом было достижение полноты 90%?

Компания хочет, чтобы как минимум 90% всех потенциальных покупателей получили материалы, что напрямую соответствует метрике полноты (recall). Полнота измеряет долю фактически положительных случаев, которые были правильно идентифицированы. Установка targetrecall на 90% указывает модели, что это желаемый уровень полноты. Выбор binaryclassifiermodelselectioncriteria как recallattargetprecision означает, что модель будет оптимизироваться для достижения заданной полноты при максимально возможной точности. Неправильные варианты: Установка targetprecision на 90% и binaryclassifiermodelselectioncriteria на precisionattargetrecall будет оптимизировать точность, а не полноту, что не соответствует цели компании. Использование 90% исторических данных для обучения и увеличение количества эпох — это общие методы улучшения модели, но они не нацелены на конкретную оптимизацию полноты до 90%. Включение normalizelabel и установка количества классов равным 2 не влияют напрямую на оптимизацию полноты; это параметры обработки данных и конфигурации модели.