Introduction au deep learning

Prédire le CTR avec le Machine Learning en Python

Kevin Huo

Instructor

Perceptrons

Exemple de structure d’un perceptron

  • Caractéristiques d’entrée standardisées
  • Somme pondérée des entrées
  • Sortie passée par une fonction d’activation
  • Fonction seuil pour convertir en classe prédite
Prédire le CTR avec le Machine Learning en Python

Couches cachées et fonctions d’activation

Exemple de couches cachées

Exemples de fonctions d’activation

Prédire le CTR avec le Machine Learning en Python

Implémentation

clf = MLPClassifier()
print(clf)

MLPClassifier(activation='relu', 
              alpha=0.0001,

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
Prédire le CTR avec le Machine Learning en Python

Autres points à considérer

  • La standardisation est importante avant usage
    • X = StandardScaler().fit_transform(X)
  • Réseaux très grands avec des millions de paramètres
    • Les matrices de caractéristiques sont souvent « clairsemées »
  • Meilleures performances avec plus de données
    • Inconvénients : moins de transparence et calcul plus long
Prédire le CTR avec le Machine Learning en Python

Passons à la pratique !

Prédire le CTR avec le Machine Learning en Python

Preparing Video For Download...