Previsione del CTR con alberi decisionali

Prevedere il CTR con il Machine Learning in Python

Kevin Huo

Instructor

Alberi decisionali

Esempio di albero decisionale per prestiti, in base a età e stato di studente

  • I nodi rappresentano le feature
  • I rami rappresentano le decisioni basate sulle feature
  • Esempi di output nella tabella sotto:
  • Primo split in base all’età della domanda
  • Per i giovani, secondo split sullo stato di studente
  • Il modello offre euristiche per capire i dati
is_student loan
middle_aged 1
youth no 0
youth yes 1
Prevedere il CTR con il Machine Learning in Python

Training e test del modello

  • Crea con: clf = DecisionTreeClassifier()

  • Come per la regressione logistica: clf.fit(X_train, y_train) per il training e clf.predict(X_test) per le etichette di test:

    array([0, 1, 1, ..., 1, 0, 1])

  • clf.predict_proba(X_test) per le probabilità:

    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])

  • Esempio di split casuale train/test, con test al 30%: train_test_split(X, y, test_size = .3, random_state = 0)

Prevedere il CTR con il Machine Learning in Python

Valutazione con curva ROC

Esempio di area sotto la curva ROC per un classificatore

  • True positive rate (asse Y) = #(predetto positivo, realmente positivo) / #(positivi)
  • False positive rate (asse X) = #(predetto positivo, realmente negativo) / #(negativi)
  • Linea blu tratteggiata: baseline AUC di 0,5
  • Vogliamo la linea arancione (AUC) il più vicino possibile a 1
Prevedere il CTR con il Machine Learning in Python

AUC della curva ROC

Y_score = clf.predict_proba(X_test)

fpr, tpr, thresholds = roc_curve(Y_test, Y_score[:, 1])
  • Input di roc_curve(): array di test e score
roc_auc = auc(fpr, tpr)

  • Input di auc(): array di false positive e true positive

  • Se il modello è accurato ma il CTR è basso, rivaluta messaggio dell’annuncio e target

Prevedere il CTR con il Machine Learning in Python

Passiamo alla pratica!

Prevedere il CTR con il Machine Learning in Python

Preparing Video For Download...