Závěrečné video

Předpovídání CTR pomocí Machine Learning v Pythonu

Kevin Huo

Instructor

Kapitola 1

  • Úvod do CTR

    • Základní problém z pohledu klasifikace

  • Přehled modelů strojového učení

    • Logistická regrese na různých datových sadách

  • Stručný přehled predikce CTR

    • Predikce CTR pomocí rozhodovacích stromů
Předpovídání CTR pomocí Machine Learning v Pythonu

Kapitola 2

  • Základní průzkumná analýza dat

    • Zkoumání příznaků a variability CTR

  • Feature engineering

    • Hašování a tvorba příznaků ze stávajících dat

  • Standardizace

    • Standardní škálování a logaritmická normalizace
Předpovídání CTR pomocí Machine Learning v Pythonu

Kapitola 3

  • Aplikace hodnoticích metrik
    • Obchodní interpretace metrik pomocí matic záměn a rámce ROI
  • Vyhodnocení modelu
    • Přesnost a úplnost ve srovnání se základním klasifikátorem

  • Ladění modelů

    • Regularizace a křížová validace

  • Ansámbly a ladění hyperparametrů

    • Ladění hyperparametrů náhodného lesa pomocí grid search
Předpovídání CTR pomocí Machine Learning v Pythonu

Kapitola 4

  • Základní koncepty a model

    • Princip fungování neuronových sítí

  • Ladění hyperparametrů

    • Ladění neuronových sítí pomocí skrytých vrstev a maximálního počtu iterací

  • Vyhodnocení modelu

    • Výpočet skóre F-beta a důsledky přesnosti oproti AUC křivky ROC

  • Přehled a srovnání modelů

    • Přehled všech modelů a jejich srovnání podle hodnoticích metrik
Předpovídání CTR pomocí Machine Learning v Pythonu

Děkujeme!

Předpovídání CTR pomocí Machine Learning v Pythonu

Preparing Video For Download...