Посчитайте, сколько денег сэкономит новая модель. Вспомните логику расчётов из урока «Есть ли жизнь без логистической регрессии» или обратитесь к подсказке.
# импортируем необходимые библиотеки и объявляем константы
import pandas as pd
from sklearn.svm import SVC
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
scaler = StandardScaler()
RANDOM_STATE = 77
data = pd.read_csv('orders_seafood.csv')
X = data.drop(columns=['target', 'client_id'])
y = data['target']
X_train, X_test, y_train, y_test = \
train_test_split(X, y, test_size=0.25, random_state=RANDOM_STATE)
X_train_scalled = scaler.fit_transform(X_train)
X_test_scalled = scaler.transform(X_test)
# объявляем классификатор и обучаем модель
clf = SVC()
clf.fit(X_train_scalled, y_train)
y_pred = clf.predict(X_test_scalled)
# создаём таблицы для подсчёта средств, которые удалось сэкономить
predicts = X_test[['summ_']].copy()
predicts['SVM'] = y_pred
predicts['y_test'] = y_test
TP = predicts[(predicts['SVM']==1)&(predicts['y_test']==1)]['summ_'].sum()*0.7*0.8
FP = predicts[(predicts['SVM']==1)&(predicts['y_test']==0)]['summ_'].sum()*0.2
money = TP-FP
print(money)Результат
1111647.992