Einführung ins Deep Learning

CTR-Vorhersage mit Machine Learning in Python

Kevin Huo

Instructor

Perzeptrons

Beispiel: Aufbau eines Perzeptrons

  • Eingabefeatures werden standardisiert
  • Eingaben werden gewichtet aufsummiert
  • Ausgabe durchläuft eine Aktivierungsfunktion
  • Sprungfunktion wandelt die Ausgabe in die vorhergesagte Klasse um
CTR-Vorhersage mit Machine Learning in Python

Verborgene Schichten und Aktivierungsfunktionen

Beispiel: Verborgene Schichten

Beispiel: Aktivierungsfunktionen

CTR-Vorhersage mit Machine Learning in Python

Implementierung

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
CTR-Vorhersage mit Machine Learning in Python

Weitere Aspekte

  • Standardisierung vor der Nutzung wichtig
    • X = StandardScaler().fit_transform(X)
  • Sehr große Netze mit vielen Millionen Parametern
    • Feature-Matrizen sind oft „spärlich“
  • Bessere Performance mit mehr Daten
    • Nachteile: weniger Transparenz, längere Rechenzeit
CTR-Vorhersage mit Machine Learning in Python

Lass uns üben!

CTR-Vorhersage mit Machine Learning in Python

Preparing Video For Download...