深層学習入門

PythonでMachine Learningを使ってCTRを予測する

Kevin Huo

Instructor

パーセプトロン

パーセプトロンの構造例

入力特徴量を標準化する
入力は重みにより加算される
出力は活性化関数を通る
ステップ関数で予測クラスに変換

隠れ層と活性化関数

隠れ層の例

活性化関数の例

実装

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)

その他の考慮点

使用前の標準化が重要
- X = StandardScaler().fit_transform(X)
数千万以上のパラメータを持つ巨大なネットワーク
- 特徴行列は「スパース」なことが多い
データが多いほど性能向上
- ただし、透明性は低下し計算時間は増加

演習に進みましょう！

PythonでMachine Learningを使ってCTRを予測する