Karar ağaçlarıyla TOB (CTR) tahmini

Python ile Machine Learning kullanarak TOB tahmini

Kevin Huo

Instructor

Karar ağaçları

Yaş ve öğrenci durumuna göre kredi kararı veren karar ağacı örneği

  • Düğümler özellikleri temsil eder
  • Dallar, özelliklere dayalı kararları temsil eder
  • Örnek çıktılar aşağıdaki tabloda:
  • İlk ayrım başvuru yaşına göre
  • Genç grupta ikinci ayrım öğrenci durumuna göre
  • Model, anlamaya yönelik sezgiler sağlar
is_student loan
middle_aged 1
youth no 0
youth yes 1
Python ile Machine Learning kullanarak TOB tahmini

Modelin eğitimi ve testi

  • Oluşturma: clf = DecisionTreeClassifier()

  • Lojistik regresyona benzer biçimde, karar ağacı da eğitim için clf.fit(X_train, y_train) ve test etiketleri için clf.predict(X_test) kullanır:

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

  • Olasılık puanları için clf.predict_proba(X_test):

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

  • Eğitim ve test verisini rastgele ayırma örneği; test verisi toplamın %30’u: train_test_split(X, y, test_size = .3, random_state = 0)

Python ile Machine Learning kullanarak TOB tahmini

ROC eğrisiyle değerlendirme

Bir sınıflandırıcı için ROC eğrisi altında kalan alan örneği

  • Gerçek pozitif oranı (Y): #(tahmin pozitif, gerçekte pozitif) / #(pozitif)
  • Yanlış pozitif oranı (X): #(tahmin pozitif, gerçekte negatif) / #(negatif)
  • Noktalı mavi çizgi: 0.5 temel AYE
  • Turuncu çizginin (AYE) 1’e olabildiğince yakın olması istenir
Python ile Machine Learning kullanarak TOB tahmini

ROC eğrisi altında kalan alan (AYE)

Y_score = clf.predict_proba(X_test)

fpr, tpr, thresholds = roc_curve(Y_test, Y_score[:, 1])
  • roc_curve() girdileri: test ve skor dizileri
roc_auc = auc(fpr, tpr)

  • auc() girdileri: yanlış-pozitif ve doğru-pozitif dizileri

  • Model doğruysa ve TOB düşükse, reklam mesajını ve hedef kitleyi yeniden değerlendirmeniz gerekebilir

Python ile Machine Learning kullanarak TOB tahmini

Haydi pratik yapalım!

Python ile Machine Learning kullanarak TOB tahmini

Preparing Video For Download...