总结视频

用 Python 预测 CTR 的机器学习实战

Kevin Huo

Instructor

第 1 章

  • CTR 简介

    • 从分类角度理解基本问题

  • 机器学习模型概览

    • 在多种数据集上练习逻辑回归

  • CTR 预测概览

    • 用决策树进行 CTR 预测
用 Python 预测 CTR 的机器学习实战

第 2 章

  • 基本探索性数据分析

    • 观察特征与 CTR 的变动

  • 特征工程

    • 学习哈希，并由现有数据构造特征

  • 标准化

    • 应用标准缩放与对数归一化
用 Python 预测 CTR 的机器学习实战

第 3 章

  • 指标评估的应用

    • 通过混淆矩阵和 ROI 框架理解业务含义

  • 模型评估

    • 相对基线分类器评估精确率与召回率

  • 模型调优

    • 学习正则化与交叉验证

  • 集成与超参数调优

    • 用网格搜索调优随机森林超参数
用 Python 预测 CTR 的机器学习实战

第 4 章

  • 基本概念与模型

    • 理解神经网络的工作原理

  • 超参数调优

    • 通过隐藏层与最大迭代数调优神经网络

  • 模型评估

    • 计算 F-beta，比较精确率与 ROC 曲线 AUC 的含义

  • 模型回顾与对比

    • 回顾全部模型并在各评估指标上比较
用 Python 预测 CTR 的机器学习实战

感谢观看！

用 Python 预测 CTR 的机器学习实战

Preparing Video For Download...