A coordenação da Meadow Scheduling pede uma avaliação offline da prioridade de lembretes. Use os registros fictícios anteriores à consulta, preserve o conjunto reservado e entregue a sensibilidade do modelo de referência, as probabilidades do modelo, os rótulos com limiar, a sensibilidade e uma recomendação de piloto baseada em regra. O modelo não deve restringir o acesso às consultas.
A Meadow Scheduling quer priorizar ligações de lembrete opcionais. Sua tabela fictícia descreve informações conhecidas antes da consulta: visitas anteriores, antecedência e histórico de consultas perdidas. A classe 1 significa uma consulta perdida. A coordenação pode usar uma pontuação de risco para ordenar as ligações, mas essa pontuação não deve decidir se alguém pode agendar atendimento.
Crie um pequeno registro de avaliação que a coordenação possa inspecionar. Comece com um modelo de referência baseado na proporção das classes, com semente fixa, ajuste uma regressão logística, guarde as probabilidades dela e avalie os rótulos no limiar indicado. A recomendação final é verificada em relação à diferença de sensibilidade medida, e não a uma promessa sobre o comparecimento futuro. Mantenha as linhas de teste fora do ajuste durante todo o caso. Cada passo continua o seu notebook, e as saídas seguintes acrescentam novas evidências em vez de repassar sem mudanças um resultado anterior.
A predição baseada na proporção das classes oferece uma comparação de menor esforço. Sua sensibilidade mostra se ela encontra alguma consulta perdida.