機械学習モデルの概要

PythonでMachine Learningを使ってCTRを予測する

Kevin Huo

Instructor

ロジスティック回帰

赤と青の点によるロジスティック回帰の例

  • ロジスティック回帰：目的変数と説明変数の間を線形で分類
PythonでMachine Learningを使ってCTRを予測する

モデルの学習

  • モデル作成: clf = LogisticRegression()
  • 各分類器は fit() を持ち、X_train, y_train を渡す: clf.fit(X_train, y_train)
  • X_train は学習特徴量、y_train は学習ターゲット
  • 事前漏洩を避けるため、分類器は学習データのみを見る
PythonでMachine Learningを使ってCTRを予測する

モデルのテスト

  • 各分類器は predict() を持ち、X_test から y_test を生成:
    array([0, 1, 1, ..., 1, 0, 1])
  • predict_proba() は確率スコアを返す
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • スコアは特定ユーザーが特定広告をクリックする確率を示す
PythonでMachine Learningを使ってCTRを予測する

モデルの評価

  • 正解率: テストの正しく判定した割合
  • accuracy_score(y_test, y_pred)
  • 特に不均衡データでは唯一の評価指標にしない
  • CTR予測はクラス不均衡の例
PythonでMachine Learningを使ってCTRを予測する

練習しましょう！

PythonでMachine Learningを使ってCTRを予測する

Preparing Video For Download...