Estandarizar características

Predicción del CTR con Machine Learning en Python

Kevin Huo

Instructor

Por qué importa la estandarización

  • Estandarización: asegurar que tus datos cumplan las suposiciones del modelo
  • Algunas variables pueden tener varianza muy alta y dominar el modelo
  • Ejemplo: ciertos conteos tienen un rango enorme por un usuario spam
  • No aplica a variables categóricas como site_id, app_id, device_id, etc.
Predicción del CTR con Machine Learning en Python

Normalización logarítmica

df.var()

click                   1.294270e-01
hour                    1.123316e-01

df.var().median()

0.7108583771671939

print(df['click'].var())
df['device_id_count'] = df[
  'device_id_count'].apply(
  lambda x: np.log(x))
print(df['click'].var())

249362570.10134825
15.628476003312514
Predicción del CTR con Machine Learning en Python

Escalar datos

  • El escalado estándar pone media 0 y desviación típica 1 en todas las variables

Ejemplo de escalado estándar

  • Suele ser buena práctica para modelos de ML
Predicción del CTR con Machine Learning en Python

Cómo aplicar el escalado estándar

  • Puedes escalar con StandardScaler() así:
scaler = StandardScaler()
X[numeric_cols] = scaler.fit_transform(X[numeric_cols])

dtype: float64
1    10.5 -> 0.85
2    32.3 -> 1.54
Predicción del CTR con Machine Learning en Python

¡Vamos a practicar!

Predicción del CTR con Machine Learning en Python

Preparing Video For Download...