Úvod do hlubokého učení

Předpovídání CTR pomocí Machine Learning v Pythonu

Kevin Huo

Instructor

Perceptrony

Příklad struktury perceptronu

  • Vstupní příznaky jsou standardizovány
  • Vstupy jsou váženě sečteny
  • Výstup prochází aktivační funkcí
  • Skoková funkce převede výstup na predikovanou třídu
Předpovídání CTR pomocí Machine Learning v Pythonu

Skryté vrstvy a aktivační funkce

Příklad skrytých vrstev

Příklad aktivačních funkcí

Předpovídání CTR pomocí Machine Learning v Pythonu

Implementace

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
Předpovídání CTR pomocí Machine Learning v Pythonu

Další aspekty

  • Před použitím je důležitá standardizace
    • X = StandardScaler().fit_transform(X)
  • Velmi rozsáhlé sítě s mnoha miliony parametrů
    • Matice příznaků jsou často „řídké"
  • Lepší výkon s více daty
    • Nevýhodou je však nižší transparentnost a delší výpočetní čas
Předpovídání CTR pomocí Machine Learning v Pythonu

Pojďme procvičovat!

Předpovídání CTR pomocí Machine Learning v Pythonu

Preparing Video For Download...