Inżynieria cech

Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Kevin Huo

Instructor

Praca z datami

print(df.hour.head(1))

14102101

df['hour'] = pd.to_datetime(
  df['hour'], format = '%y%m%d%H')
df['hour_of_day'] = df['hour'].dt.hour
print(df.hour.head(1))

2014-10-21 01:00:0

print(df.groupby('hour_of_day')
      ['click'].sum())

             click
hour_of_day       
1             1092
2             6546

Konwersja zmiennych kategorycznych za pomocą haszowania

Cechy kategoryczne muszą zostać przekształcone do formatu numerycznego
Funkcja skrótu: odwzorowuje dowolne dane wejściowe na liczbę całkowitą, zwracając ten sam wynik dla tych samych danych
Funkcja lambda: lambda x: f(x)
Zastosowanie funkcji skrótu przez f(x) = hash(x):

df['site_id'] = df['site_id'].apply(lambda x: hash(x))

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Bliższe spojrzenie na cechy

Przykłady użycia count() i nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Przykład rozkładu kolumny kategorycznej

Tworzenie cech

Większość zmiennych ma charakter kategoryczny
Więcej cech zwiększa moc predykcyjną
Przykład nowej cechy: wyświetlenia według device_id (użytkownika) i search_engine_type:

df['device_id_count'] = df.groupby('device_id')['click'].transform("count")
df['search_engine_type_count'] = df.groupby('search_engine_type')['click'].transform("count")
print(df.head(1))

...  device_id_count  search_engine_type_count
...            40862                     47710

Czas na ćwiczenia!

Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie