深度学习简介

用 Python 预测 CTR 的机器学习实战

Kevin Huo

Instructor

感知机

感知机结构示例

  • 输入特征需标准化
  • 通过权重加权求和
  • 输出经激活函数
  • 阶跃函数将输出转为预测类别
用 Python 预测 CTR 的机器学习实战

隐藏层与激活函数

隐藏层示例

激活函数示例

用 Python 预测 CTR 的机器学习实战

实现

clf = MLPClassifier()
print(clf)

MLPClassifier(activation='relu', 
              alpha=0.0001,

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
用 Python 预测 CTR 的机器学习实战

其他注意事项

  • 使用前标准化很重要
    • X = StandardScaler().fit_transform(X)
  • 超大网络含数以百万计的参数
    • 特征矩阵常为"稀疏"
  • 数据越多表现越好
    • 但代价是可解释性更低且计算更耗时
用 Python 预测 CTR 的机器学习实战

Passons à la pratique !

用 Python 预测 CTR 的机器学习实战

Preparing Video For Download...