Přehled modelů strojového učení

Předpovídání CTR pomocí Machine Learning v Pythonu

Kevin Huo

Instructor

Logistická regrese

Příklad logistické regrese s červenými a modrými body

  • Logistická regrese: lineární klasifikátor mezi závislou a nezávislými proměnnými
Předpovídání CTR pomocí Machine Learning v Pythonu

Trénování modelu

  • Model lze vytvořit pomocí: clf = LogisticRegression()
  • Každý klasifikátor má metodu fit(), která přijímá X_train, y_train: clf.fit(X_train, y_train)
  • X_train je vektor trénovacích příznaků, y_train je vektor trénovacích cílů
  • Klasifikátor by měl vidět pouze trénovací data, aby nedocházelo k „úniku informací"
Předpovídání CTR pomocí Machine Learning v Pythonu

Testování modelu

  • Každý klasifikátor má metodu predict(), která přijímá X_test a vrací y_test:
    array([0, 1, 1, ..., 1, 0, 1])
  • Metoda predict_proba() vrací pravděpodobnostní skóre
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • Skóre vyjadřuje pravděpodobnost kliknutí konkrétního uživatele na konkrétní reklamu
Předpovídání CTR pomocí Machine Learning v Pythonu

Vyhodnocení modelu

  • Přesnost: podíl správně identifikovaných testovacích cílů
  • accuracy_score(y_test, y_pred)
  • Neměla by být jediným hodnotícím metrikem, zejména u nevyvážených datových sad
  • Předpověď CTR je příkladem nevyvážených tříd
Předpovídání CTR pomocí Machine Learning v Pythonu

Pojďme si procvičit!

Předpovídání CTR pomocí Machine Learning v Pythonu

Preparing Video For Download...