机器学习模型概览

用 Python 预测 CTR 的机器学习实战

Kevin Huo

Instructor

逻辑回归

逻辑回归示例，红蓝点

  • 逻辑回归：在因变量与自变量间的线性分类器
用 Python 预测 CTR 的机器学习实战

训练模型

  • 可这样创建模型：clf = LogisticRegression()
  • 每个分类器都有 fit() 方法，传入 X_train, y_train：clf.fit(X_train, y_train)
  • X_train 为训练特征向量，y_train 为训练目标向量
  • 为避免"提前看到答案"，分类器只能接触训练数据
用 Python 预测 CTR 的机器学习实战

测试模型

  • 每个分类器都有 predict() 方法，传入 X_test 生成 y_test：
    array([0, 1, 1, ..., 1, 0, 1])
  • predict_proba() 返回类别概率
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • 分数表示特定用户点击特定广告的概率
用 Python 预测 CTR 的机器学习实战

评估模型

  • 准确率：正确识别的测试目标所占百分比
  • accuracy_score(y_test, y_pred)
  • 评估不应只看该指标，尤其在类别不平衡时
  • CTR 预测是类别不平衡的示例
用 Python 预测 CTR 的机器学习实战

让我们练习吧！

用 Python 预测 CTR 的机器学习实战

Preparing Video For Download...