Rekayasa fitur

Memprediksi CTR dengan Machine Learning di Python

Kevin Huo

Instructor

Mengolah tanggal

print(df.hour.head(1))

14102101

df['hour'] = pd.to_datetime(
  df['hour'], format = '%y%m%d%H')
df['hour_of_day'] = df['hour'].dt.hour
print(df.hour.head(1))

2014-10-21 01:00:0

print(df.groupby('hour_of_day')
      ['click'].sum())

             click
hour_of_day       
1             1092
2             6546

Mengonversi variabel kategorikal dengan hashing

Fitur kategorikal harus diubah ke format numerik
Fungsi hash: memetakan input apa pun ke bilangan bulat, selalu memberi keluaran yang sama untuk input yang sama
Fungsi lambda: lambda x: f(x)
Terapkan hash via f(x) = hash(x) sebagai berikut:

df['site_id'] = df['site_id'].apply(lambda x: hash(x), axis = 0)

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Menelaah fitur

Contoh count() dan nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Contoh distribusi kolom kategorikal

Membuat fitur

Sebagian besar variabel bersifat kategorikal
Menambah fitur umumnya meningkatkan daya prediksi
Contoh fitur baru: impresi per device_id (pengguna) dan search_engine_type:

df['device_id_count'] = df.groupby('device_id')['click'].transform("count")
df['search_engine_type_count'] = df.groupby('search_engine_type')['click'].transform("count")
print(df.head(1))

...  device_id_count  search_engine_type_count
...            40862                     47710

Ayo berlatih!

Memprediksi CTR dengan Machine Learning di Python