Visão geral de modelos de machine learning

Prevendo CTR com Machine Learning em Python

Kevin Huo

Instructor

Regressão logística

Exemplo de Regressão Logística com pontos vermelhos e azuis

  • Regressão logística: classificador linear entre variável dependente e variáveis independentes
Prevendo CTR com Machine Learning em Python

Treinando o modelo

  • Crie o modelo: clf = LogisticRegression()
  • Todo classificador tem fit(), que recebe X_train, y_train: clf.fit(X_train, y_train)
  • X_train é o vetor de features; y_train é o vetor de rótulos
  • O classificador deve ver só os dados de treino para evitar “ver as respostas antes”
Prevendo CTR com Machine Learning em Python

Testando o modelo

  • Todo classificador tem predict(), que recebe X_test e gera y_test:
    array([0, 1, 1, ..., 1, 0, 1])
  • predict_proba() produz escores de probabilidade
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • O score reflete a probabilidade de um anúncio ser clicado por um usuário específico
Prevendo CTR com Machine Learning em Python

Avaliando o modelo

  • Acurácia: porcentagem de rótulos de teste corretamente previstos
  • accuracy_score(y_test, y_pred)
  • Não deve ser a única métrica, especialmente em dados desbalanceados
  • Previsão de CTR é um exemplo com classes desbalanceadas
Prevendo CTR com Machine Learning em Python

Vamos praticar!

Prevendo CTR com Machine Learning em Python

Preparing Video For Download...