Wprowadzenie do współczynników klikalności

Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Kevin Huo

Instructor

Współczynniki klikalności

Przykład reklamy z Facebooka

Klasyfikacja: przypisywanie kategorii do obserwacji
Klasyfikatory są trenowane na danych treningowych i oceniane na danych testowych
Cel: zmienna binarna, 0/1 dla braku kliknięcia lub kliknięcia
Cecha: dowolna zmienna używana do przewidywania celu

Przykład klasyfikacji z czerwonymi i niebieskimi punktami

Przykładowe wiersze ze zbioru danych o kliknięciach reklam

Każdy wiersz reprezentuje wynik kliknięcia lub braku kliknięcia dla danego użytkownika i reklamy
Filtrowanie kolumn można wykonać za pomocą .isin(): df.columns.isin(['device'])]
Zakładając, że y to kolumna kliknięć, CTR można obliczyć: y.sum()/len(y)

print(df.device_type.value_counts())

1    45902
0    2947

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

0     633
1    7890

Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie