Introdução ao deep learning

Prevendo CTR com Machine Learning em Python

Kevin Huo

Instructor

Perceptrons

Exemplo da estrutura de um perceptron

  • As features de entrada são padronizadas
  • Entradas são somadas via pesos
  • A saída passa por uma função de ativação
  • Função degrau para converter em classe prevista
Prevendo CTR com Machine Learning em Python

Camadas ocultas e funções de ativação

Exemplo de camadas ocultas

Exemplo de funções de ativação

Prevendo CTR com Machine Learning em Python

Implementação

clf = MLPClassifier()
print(clf)

MLPClassifier(activation='relu', 
              alpha=0.0001,

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
Prevendo CTR com Machine Learning em Python

Outras considerações

  • Padronização é importante antes de usar
    • X = StandardScaler().fit_transform(X)
  • Redes muito grandes, com milhões de parâmetros
    • Matrizes de features costumam ser "esparsas"
  • Melhor desempenho com mais dados
    • Porém, o contra é menor transparência e mais tempo de computação
Prevendo CTR com Machine Learning em Python

Vamos praticar!

Prevendo CTR com Machine Learning em Python

Preparing Video For Download...