特徴量エンジニアリング

PythonでMachine Learningを使ってCTRを予測する

Kevin Huo

Instructor

日付の扱い

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

ハッシュでカテゴリ変数を変換

カテゴリ変数は数値に変換する必要があります
ハッシュ関数: 任意の入力を整数に写像。同じ入力なら常に同じ出力
ラムダ関数: lambda x: f(x)
f(x) = hash(x) で適用:

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

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

特徴量を詳しく見る

count() と nunique() の例:

df['ad_type'].count()

df['ad_type'].nunique()

カテゴリ列の分布例

特徴量の作成

変数の多くはカテゴリ型
特徴量は多いほど予測力が上がることが多い
新しい特徴量の例: device_id（ユーザー）と search_engine_type ごとのインプレッション数:

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

Passons à la pratique !

PythonでMachine Learningを使ってCTRを予測する