Predicción de CTR con árboles de decisión

Predicción del CTR con Machine Learning en Python

Kevin Huo

Instructor

Árboles de decisión

Ejemplo de árbol de decisión para préstamos según edad y si es estudiante

  • Los nodos representan las variables
  • Las ramas representan decisiones según las variables
  • Resultados de ejemplo en la tabla:
  • Primera división por edad de la solicitud
  • Para jóvenes, segunda división por si es estudiante
  • El modelo ofrece heurísticas para entender
is_student loan
middle_aged 1
youth no 0
youth yes 1
Predicción del CTR con Machine Learning en Python

Entrenar y probar el modelo

  • Crear con: clf = DecisionTreeClassifier()

  • Como en regresión logística, un árbol usa clf.fit(X_train, y_train) para entrenar y clf.predict(X_test) para predecir:

    array([0, 1, 1, ..., 1, 0, 1])

  • clf.predict_proba(X_test) da probabilidades:

    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])

  • Ejemplo de partición aleatoria con 30% para test: train_test_split(X, y, test_size = .3, random_state = 0)

Predicción del CTR con Machine Learning en Python

Evaluación con curva ROC

Ejemplo de área bajo la curva ROC para un clasificador

  • Tasa de verdaderos positivos (eje Y) = #(predice positivo y es positivo) / #(positivos)
  • Tasa de falsos positivos (eje X) = #(predice positivo y es negativo) / #(negativos)
  • Línea azul discontinua: AUC base de 0.5
  • Queremos la línea naranja (AUC) lo más cerca posible de 1
Predicción del CTR con Machine Learning en Python

AUC de la curva ROC

Y_score = clf.predict_proba(X_test)

fpr, tpr, thresholds = roc_curve(Y_test, Y_score[:, 1])
  • Entradas de roc_curve(): arrays de test y de score
roc_auc = auc(fpr, tpr)

  • Entrada de auc(): arrays de falsos positivos y verdaderos positivos

  • Si el modelo es preciso y el CTR es bajo, quizá debas revisar el mensaje del anuncio y su segmentación

Predicción del CTR con Machine Learning en Python

¡Vamos a practicar!

Predicción del CTR con Machine Learning en Python

Preparing Video For Download...