딥러닝 소개

Python으로 Machine Learning을 활용한 CTR 예측

Kevin Huo

Instructor

퍼셉트론

퍼셉트론 구조 예시

입력 특성은 표준화합니다
가중치를 통해 입력을 합산합니다
출력은 활성화 함수를 거칩니다
단위 계단 함수로 예측 클래스로 변환합니다

은닉층과 활성화 함수

은닉층 예시

활성화 함수 예시

구현

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)

기타 고려사항

사용 전 표준화가 중요합니다
- X = StandardScaler().fit_transform(X)
수천만 개 매개변수를 가진 매우 큰 네트워크
- 특성 행렬은 종종 "희소"합니다
데이터가 많을수록 성능이 향상됩니다
- 단점: 투명성 감소, 계산 시간 증가

연습해 봅시다!

Python으로 Machine Learning을 활용한 CTR 예측