Ajuste de modelos

Predicción del CTR con Machine Learning en Python

Kevin Huo

Instructor

Regularización

Ejemplo de regularización con línea azul y verde

Regularización: evitar el sobreajuste ajustando la magnitud de los coeficientes del modelo
La regularización puede mejorar métricas y el ROI del gasto en anuncios

Ejemplos de regularización

Regresión logística: el parámetro C es el inverso de la fuerza de regularización.
De menor a mayor complejidad: C=0.05 < C=0.5 < C=1
Árbol de decisión: el parámetro max_depth limita cuántas capas puede tener el árbol.
De menor a mayor complejidad: max_depth=3 < max_depth=5 < max_depth=10

Validación cruzada

Validación cruzada K-fold

En cada uno de los k folds, ese fold se usa como test (validación) y los otros k-1 como entrenamiento.
Así obtienes k evaluaciones del rendimiento.
Aun así, mantén un conjunto de test final separado.

Ejemplos de validación cruzada

k_fold = KFold(n_splits = 4, random_state = 0, shuffle = True)

for i in [3, 5, 10]:
  clf = DecisionTreeClassifier(max_depth = i)
  cv_precision = cross_val_score(
    clf, X_train, y_train, cv = k_fold, 
    scoring = 'precision_weighted')

Cadenas de scoring: precision_weighted, recall_weighted, roc_auc

¡Vamos a practicar!

Predicción del CTR con Machine Learning en Python