我需要帮助。
数据如下：
ProductX Total_share_of_visits Total_Cost_Tax_Included Gross
17220.0 65.73 272213.76 190549.632
79570.0 362.17 1257842.56 880489.792
ProductX：已售出的产品数量
total_sahre_of_visits：市场（员工）销售产品的访问次数
已包括的总成本税金：（一单位价格+发送到市场上销售产品的员工成本）* ProductX。这意味着这就是收入
第1季度：如果毛利率约为70％，请计算出毛额
答案：我计算出总变量'Gross'= total_cost_tax_included * 70/100
第二季度：建立一个简单的模型来计算如果客户增加或减少派遣到市场的员工数量20％所产生的额外利润
答案：我安装了一个非常简单的线性回归模型（我可以直接计算出来，但是我被要求使用模型）。该模型的平均绝对误差为（3.3945175965265104e-16）。之后，我想更改“ Total_share_of_visits”和“ Total_cost_tax_inluded”（因为增加20％的员工会增加成本，并且相应地会增加销售产品的访问次数），并将其作为test_dataset传递给模型以找到Gross。之后，在添加20％员工之前和添加之后，我将计算总毛额，并观察差异。正确吗？
Q3：到目前为止，我认为我是对的。那么这个问题是什么才能使利润（总）最大化所需的最佳员工人数？
答案：我不知道如何使用模型来查找此内容，或者不知道sklearn中是否有另一个函数可以执行此操作。我在这里需要帮助吗？
答案 0 :(得分：0)
您可以使用累积精度配置文件来确定它。
假设您有 100000 个客户，并且根据以前的经验，您知道其中只有10％实际购买了您的产品。现在，我们要优化员工数量以最大化利润。因此，我们需要更适当地针对客户，以获得更好的响应率。
因此，首先您需要建立客户细分模型（二进制模型，因为无论客户是否购买，我们都可以使用逻辑回归）来预测他们是否会购买此模型将根据我们的特征帮助我们确定某些类型的顾客的购买可能性。
例如，它会告诉我们具有特定年龄段的男性用户，他们浏览手机最有可能购买您的产品。
因此，它将根据购买产品的可能性对客户进行排名。现在，我们可以绘制实际销售数量的图表： Y轴编号销售数量（在我的示例中，最多为10000） X轴编号用户数（在我的示例中为100000）
现在我们可以从图中看到并分析说，即使在x轴处为60000，我们也可以获得9500的销售量。因此，我们可以将员工人数设置为 60000 >代替100000。