Kỹ thuật đặc trưng

Dự đoán CTR với Machine Learning trong Python

Kevin Huo

Instructor

Xử lý dữ liệu ngày giờ

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

Băm biến phân loại

Biến phân loại cần được chuyển sang dạng số
Hàm băm: ánh xạ đầu vào bất kỳ sang số nguyên, luôn cho cùng kết quả với cùng đầu vào
Hàm lambda: lambda x: f(x)
Áp dụng băm với f(x) = hash(x) như sau:

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

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Xem kỹ đặc trưng

Ví dụ về count() và nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Ví dụ phân phối của cột phân loại

Tạo đặc trưng

Phần lớn biến là phân loại
Thêm đặc trưng thường tăng sức dự báo
Ví dụ đặc trưng mới: số lần hiển thị theo device_id (người dùng) và 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

Ayo berlatih!

Dự đoán CTR với Machine Learning trong Python