Revisión y comparación de modelos
Predicción del CTR con Machine Learning en Python
Kevin Huo
Instructor
Revisión de modelos
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
- Regresión logística: clasificador lineal que define la frontera de decisión
- Árboles de decisión: condiciones en formato de árbol
- Random Forests: conjunto de Árboles de decisión
- Redes neuronales (MLP): capas que combinan linealmente features con activación no lineal
Implementación del modelo
Similitudes
- Transformación de features y regularización
- Entrenamiento con
classifier.fit(X_train, y_train) - Predicciones con
predict_proba()ypredict()
Diferencias
- Árboles de decisión:
max_depth,min_samples_split - Random Forests:
n_estimators,oob_score - Regresión logística:
fit_intercept,class_weight - Redes neuronales:
hidden_layer_sizes,max_iter
Evaluación del modelo
- Métricas clave de evaluación:
- Matriz de confusión:
confusion_matrix(y_test, y_pred) - Precisión (precision):
precision_score(y_test, y_pred) - Exhaustividad (recall):
recall_score(y_test, y_pred) - F-beta:
fbeta_score(y_test, y_pred, beta = 0.5) - AUC de la curva ROC:
roc_auc_score(y_test, y_score[:, 1])
- Matriz de confusión:
Principales pros y contras de usar redes neuronales
Pros
- Escalan con los datos
- Menos necesidad de feature engineering
- Más transferibles entre dominios
Contras
- Menor rendimiento con datasets pequeños
- Difíciles de interpretar
- Más costosas en cómputo y dinero
¡Vamos a practicar!
Predicción del CTR con Machine Learning en Python
