Ensemble e tuning degli iperparametri

Prevedere il CTR con il Machine Learning in Python

Kevin Huo

Instructor

Metodi ensemble

Esempio di bootstrap aggregation

Bagging: campioni casuali per modelli diversi; ogni modello è addestrato separatamente e poi combinato.

Random forest

clf = RandomForestClassifier()
print(clf)

RandomForestClassifier(
  bootstrap=True,
  ...
  max_depth = 10,
  ...
  n_estimators = 100,
  ...)

Tuning degli iperparametri

Iperparametro: impostato prima dell’addestramento, esterno al modello
Esempi di parametri ma NON iperparametri: coefficiente angolare nella regressione lineare, pesi nella regressione logistica, ecc.
Esempi di iperparametri: max_depth, n_estimators, ecc.

Grid search

param_grid = {'n_estimators': n_estimators, 
              'max_depth': max_depth}

clf = GridSearchCV(estimator = model, 
                   param_grid = param_grid, 
                   scoring = 'roc_auc')
print(clf.best_score_)
print(clf.best_estimator_)

0.6777
RandomForestClassifier(max_depth = 100, ...)

Passons à la pratique !

Prevedere il CTR con il Machine Learning in Python