Abschlussvideo

CTR-Vorhersage mit Machine Learning in Python

Kevin Huo

Instructor

Kapitel 1

  • Einführung in CTRs

    • Grundproblem aus Klassifikationssicht gelernt

  • Überblick über ML-Modelle

    • Logistische Regression auf verschiedenen Datensätzen geübt

  • Kurzer Überblick zur CTR-Vorhersage

    • Entscheidungsbäume für CTR-Vorhersage angewendet
CTR-Vorhersage mit Machine Learning in Python

Kapitel 2

  • Explorative Datenanalyse

    • Bestimmte Features und Streuung vs. CTR betrachtet

  • Feature Engineering

    • Hashing gelernt und Features aus bestehenden erstellt

  • Standardisierung

    • Standard-Skalierung und Log-Normalisierung angewendet
CTR-Vorhersage mit Machine Learning in Python

Kapitel 3

  • Anwendung von Metriken

    • Geschäftliche Bedeutung über Konfusionsmatrizen und ein ROI-Framework gelernt

  • Modellauswertung

    • Precision und Recall relativ zu einem Basis-Klassifikator bewertet

  • Modell-Tuning

    • Regularisierung und Cross-Validation kennengelernt

  • Ensembles und Hyperparameter-Tuning

    • Hyperparameter per Grid Search für einen Random Forest getunt
CTR-Vorhersage mit Machine Learning in Python

Kapitel 4

  • Grundkonzepte und Modell

    • Funktionsweise neuronaler Netze gelernt

  • Hyperparameter-Tuning

    • Hidden Layers und max. Iterationen getunt

  • Modellauswertung

    • F-beta-Scores berechnet und Precision vs. AUC der ROC-Kurve eingeordnet

  • Modellreview und Vergleich

    • Alle Modelle rekapituliert und über alle Metriken verglichen
CTR-Vorhersage mit Machine Learning in Python

Danke!

CTR-Vorhersage mit Machine Learning in Python

Preparing Video For Download...