Итоговое видео

Прогнозирование CTR с помощью машинного обучения на Python

Kevin Huo

Instructor

Глава 1

  • Введение в CTR

    • Рассмотрели задачу как задачу классификации

  • Обзор моделей машинного обучения

    • Применяли логистическую регрессию на различных наборах данных

  • Краткий обзор прогнозирования CTR

    • Использовали деревья решений для прогнозирования CTR
Прогнозирование CTR с помощью машинного обучения на Python

Глава 2

  • Базовый разведочный анализ данных

    • Изучили признаки и их связь с CTR

  • Проектирование признаков

    • Освоили хеширование и создание новых признаков

  • Стандартизация

    • Применяли стандартное масштабирование и логарифмическую нормализацию
Прогнозирование CTR с помощью машинного обучения на Python

Глава 3

  • Применение метрик оценки

    • Разобрали бизнес-интерпретацию метрик через матрицы ошибок и ROI-фреймворк

  • Оценка моделей

    • Сравнили точность и полноту с базовым классификатором

  • Настройка моделей

    • Изучили регуляризацию и кросс-валидацию

  • Ансамбли и подбор гиперпараметров

    • Настраивали гиперпараметры Random Forest с помощью поиска по сетке
Прогнозирование CTR с помощью машинного обучения на Python

Глава 4

  • Базовые концепции и модель

    • Изучили внутреннее устройство нейронных сетей

  • Подбор гиперпараметров

    • Настраивали гиперпараметры нейронных сетей: скрытые слои и максимальное число итераций

  • Оценка модели

    • Вычисляли F-beta-меру и анализировали соотношение точности и AUC ROC-кривой

  • Обзор и сравнение моделей

    • Сравнили все рассмотренные модели по всем метрикам оценки
Прогнозирование CTR с помощью машинного обучения на Python

Спасибо!

Прогнозирование CTR с помощью машинного обучения на Python

Preparing Video For Download...