Video di riepilogo

Prevedere il CTR con il Machine Learning in Python

Kevin Huo

Instructor

Capitolo 1

  • Introduzione ai CTR

    • Il problema base visto come classificazione

  • Panoramica dei modelli di machine learning

    • Esercitato la regressione logistica su vari dataset

  • Breve panoramica della previsione dei CTR

    • Applicati gli alberi decisionali per prevedere i CTR
Prevedere il CTR con il Machine Learning in Python

Capitolo 2

  • Analisi esplorativa di base

    • Esaminate feature specifiche e variabilità con il CTR

  • Feature engineering

    • Imparato l'hashing e creato feature da quelle esistenti

  • Standardizzazione

    • Applicata standard scaling e normalizzazione log
Prevedere il CTR con il Machine Learning in Python

Capitolo 3

  • Applicazioni della valutazione delle metriche

    • Interpretazioni di business tramite matrici di confusione e framework ROI

  • Valutazione del modello

    • Valutate precision e recall rispetto a un classificatore baseline

  • Ottimizzazione dei modelli

    • Concetti di regolarizzazione e cross-validation

  • Ensemble e tuning degli iperparametri

    • Iperparametri ottimizzati con grid search per una Random Forest
Prevedere il CTR con il Machine Learning in Python

Capitolo 4

  • Concetti di base e modello

    • Funzionamento interno delle reti neurali

  • Tuning degli iperparametri

    • Regolati layer nascosti e iterazioni massime

  • Valutazione del modello

    • Calcolati punteggi F-beta e confronto tra precision e AUC della curva ROC

  • Revisione e confronto dei modelli

    • Rivisti tutti i modelli e confrontati su tutte le metriche
Prevedere il CTR con il Machine Learning in Python

Grazie!

Prevedere il CTR con il Machine Learning in Python

Preparing Video For Download...