Přehled a porovnání modelů
Předpovídání CTR pomocí Machine Learning v Pythonu
Kevin Huo
Instructor
Přehled modelů
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
- Logistická regrese: lineární klasifikátor určující rozhodovací hranici
- Rozhodovací stromy: podmínky ve stromové struktuře
- Náhodné lesy: soubor rozhodovacích stromů
- Neuronové sítě (MLP): vrstvy využívající lineární kombinace příznaků s nelineární aktivační funkcí
Implementace modelů
Podobnosti
- Transformace příznaků a regularizace
- Trénování pomocí
classifier.fit(X_train, y_train) - Predikce pomocí
predict_proba()apredict()
Rozdíly
- Rozhodovací stromy:
max_depth,min_samples_split - Náhodné lesy:
n_estimators,oob_score - Logistická regrese:
fit_intercept,class_weight - Neuronové sítě:
hidden_layer_sizes,max_iter
Hodnocení modelů
- Klíčové metriky hodnocení:
- Matice záměn:
confusion_matrix(y_test, y_pred) - Přesnost:
precision_score(y_test, y_pred) - Úplnost:
recall_score(y_test, y_pred) - F-beta skóre:
fbeta_score(y_test, y_pred, beta = 0.5) - AUC křivky ROC:
roc_auc_score(y_test, y_score[:, 1])
- Matice záměn:
Hlavní výhody a nevýhody neuronových sítí
Výhody
- Škálovatelnost s daty
- Menší potřeba přípravy příznaků
- Lépe přenositelné napříč oblastmi
Nevýhody
- Slabší výkon na menších datových sadách
- Obtížná interpretovatelnost
- Výpočetně a finančně náročnější
Pojďme si procvičit!
Předpovídání CTR pomocí Machine Learning v Pythonu
