Feature engineering

Prevedere il CTR con il Machine Learning in Python

Kevin Huo

Instructor

Gestire le date

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

Convertire categoriche con hashing

Le variabili categoriche vanno convertite in numeriche
Funzione hash: mappa un input qualsiasi a un intero, restituendo sempre lo stesso output per lo stesso input
Funzione lambda: lambda x: f(x)
Applica l'hash con f(x) = hash(x) così:

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

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Analisi delle feature

Esempi di count() e nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Esempio di distribuzione di una colonna categorica

Creare feature

La maggior parte delle variabili è categorica
Più feature spesso migliorano la predizione
Esempio di nuova feature: impression per device_id (utente) e 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

Passons à la pratique !

Prevedere il CTR con il Machine Learning in Python