Introduzione al deep learning

Prevedere il CTR con il Machine Learning in Python

Kevin Huo

Instructor

Percettroni

Esempio di struttura di un percettrone

Le feature in input sono standardizzate
Gli input sono sommati tramite pesi
L'output passa per una funzione di attivazione
Funzione a soglia per convertire l'output in classe predetta

Livelli nascosti e funzioni di attivazione

Esempio di livelli nascosti

Esempio di funzioni di attivazione

Implementazione

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)

Altre considerazioni

La standardizzazione è importante prima dell'uso
- X = StandardScaler().fit_transform(X)
Reti molto grandi con milioni di parametri
- Le matrici di feature sono spesso "sparse"
Migliori prestazioni con più dati
- Però: meno trasparenza e tempi di calcolo più lunghi

Passiamo alla pratica!

Prevedere il CTR con il Machine Learning in Python