Introductie tot deep learning

CTR voorspellen met Machine Learning in Python

Kevin Huo

Instructor

Perceptrons

Voorbeeld van de structuur van een perceptron

  • Invoerfeatures worden gestandaardiseerd
  • Invoeren worden via gewichten opgeteld
  • Uitvoer gaat door een activatiefunctie
  • Stapfunctie zet uitvoer om naar voorspelde klasse
CTR voorspellen met Machine Learning in Python

Verborgen lagen en activatiefuncties

Voorbeeld van verborgen lagen

Voorbeeld van activatiefuncties

CTR voorspellen met Machine Learning in Python

Implementatie

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
CTR voorspellen met Machine Learning in Python

Overige aandachtspunten

  • Standaardisatie is belangrijk vóór gebruik
    • X = StandardScaler().fit_transform(X)
  • Zeer grote netwerken met vele miljoenen parameters
    • Kenmerkenmatrices zijn vaak “sparse”
  • Betere prestaties met meer data
    • Nadeel: minder transparant en langere rekentijd
CTR voorspellen met Machine Learning in Python

Laten we oefenen!

CTR voorspellen met Machine Learning in Python

Preparing Video For Download...