Resumen de modelos de aprendizaje automático

Predicción del CTR con Machine Learning en Python

Kevin Huo

Instructor

Regresión logística

Ejemplo de regresión logística con puntos rojos y azules

  • Regresión logística: clasificador lineal entre variable dependiente e independientes
Predicción del CTR con Machine Learning en Python

Entrenar el modelo

  • Crear el modelo con: clf = LogisticRegression()
  • Cada clasificador tiene un método fit() que recibe X_train, y_train: clf.fit(X_train, y_train)
  • X_train es el vector de atributos de entrenamiento; y_train, el vector de objetivos
  • El clasificador solo debe ver datos de entrenamiento para evitar “ver las respuestas”
Predicción del CTR con Machine Learning en Python

Probar el modelo

  • Cada clasificador tiene predict(), que recibe X_test y genera y_test así:
    array([0, 1, 1, ..., 1, 0, 1])
  • predict_proba() produce probabilidades
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • El score refleja la probabilidad de que un usuario haga clic en un anuncio concreto
Predicción del CTR con Machine Learning en Python

Evaluar el modelo

  • Exactitud: porcentaje de objetivos de test correctamente identificados
  • accuracy_score(y_test, y_pred)
  • No debe ser la única métrica, especialmente con clases desbalanceadas
  • La predicción del CTR es un ejemplo de clases desbalanceadas
Predicción del CTR con Machine Learning en Python

¡Vamos a practicar!

Predicción del CTR con Machine Learning en Python

Preparing Video For Download...