Feature Engineering

CTR-Vorhersage mit Machine Learning in Python

Kevin Huo

Instructor

Mit Datumsangaben umgehen

print(df.hour.head(1))

14102101

df['hour'] = pd.to_datetime(
  df['hour'], format = '%y%m%d%H')
df['hour_of_day'] = df['hour'].dt.hour
print(df.hour.head(1))

2014-10-21 01:00:0

print(df.groupby('hour_of_day')
      ['click'].sum())

             click
hour_of_day       
1             1092
2             6546

Kategorische Variablen per Hashing umwandeln

Kategorische Features müssen in Zahlen umgewandelt werden
Hash-Funktion: ordnet beliebige Eingaben einer ganzen Zahl zu; gleiche Eingabe → gleiches Ergebnis
Lambda-Funktion: lambda x: f(x)
Hash anwenden per f(x) = hash(x):

df['site_id'] = df['site_id'].apply(lambda x: hash(x))

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Features genauer betrachten

Beispiele für count() und nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Beispiel für die Verteilung einer kategorialen Spalte

Features erstellen

Die meisten Variablen sind kategorial
Mehr Features erhöhen meist die Vorhersagekraft
Beispiel für ein neues Feature: Impressions pro device_id (Nutzer) und search_engine_type:

df['device_id_count'] = df.groupby('device_id')['click'].transform("count")
df['search_engine_type_count'] = df.groupby('search_engine_type')['click'].transform("count")
print(df.head(1))

...  device_id_count  search_engine_type_count
...            40862                     47710

Lass uns üben!

CTR-Vorhersage mit Machine Learning in Python