Podsumowanie

Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Kevin Huo

Instructor

Rozdział 1

  • Wprowadzenie do CTR

    • Podstawy problemu z perspektywy klasyfikacji

  • Przegląd modeli uczenia maszynowego

    • Regresja logistyczna na różnych zbiorach danych

  • Krótki przegląd przewidywania CTR

    • Drzewa decyzyjne do przewidywania CTR
Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Rozdział 2

  • Podstawowa eksploracja danych

    • Analiza cech i zmienności CTR

  • Inżynieria cech

    • Haszowanie i tworzenie nowych cech

  • Standaryzacja

    • Skalowanie standardowe i normalizacja logarytmiczna
Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Rozdział 3

  • Zastosowanie metryk ewaluacji
    • Interpretacja biznesowa metryk przez macierze pomyłek i framework ROI
  • Ewaluacja modeli
    • Precyzja i czułość względem klasyfikatora bazowego

  • Strojenie modeli

    • Regularyzacja i walidacja krzyżowa

  • Ensemble i strojenie hiperparametrów

    • Strojenie hiperparametrów metodą grid search dla Random Forest
Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Rozdział 4

  • Podstawowe koncepcje i model

    • Działanie sieci neuronowych od wewnątrz

  • Strojenie hiperparametrów

    • Warstwy ukryte i maksymalna liczba iteracji

  • Ewaluacja modeli

    • Wyniki F-beta oraz precyzja a AUC krzywej ROC

  • Przegląd i porównanie modeli

    • Porównanie wszystkich modeli na podstawie metryk ewaluacji
Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Dziękujemy!

Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie

Preparing Video For Download...