Ingénierie des variables

Prédire le CTR avec le Machine Learning en Python

Kevin Huo

Instructor

Gestion des dates

print(df.hour.head(1))

14102101

df['hour'] = pd.to_datetime(
  df['hour'], format = '%y%m%d%H')
df['hour_of_day'] = df['hour'].dt.hour
print(df.hour.head(1))

2014-10-21 01:00:0

print(df.groupby('hour_of_day')
      ['click'].sum())

             click
hour_of_day       
1             1092
2             6546

Conversion par hachage des variables catégorielles

Les variables catégorielles doivent être converties en valeurs numériques
Fonction de hachage : associe une entrée quelconque à un entier et renvoie toujours le même résultat pour une même entrée
Fonction lambda : lambda x: f(x)
Appliquer la fonction de hachage avec f(x) = hash(x) :

df['site_id'] = df['site_id'].apply(lambda x: hash(x))

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Analyse des variables

Exemples de count() et nunique() :

df['ad_type'].count()

df['ad_type'].nunique()

Exemple de distribution d'une colonne catégorielle

Création de variables

La plupart des variables sont catégorielles
Ajouter des variables améliore la puissance prédictive
Exemple de nouvelle variable : impressions par device_id (utilisateur) et search_engine_type :

df['device_id_count'] = df.groupby('device_id')['click'].transform("count")
df['search_engine_type_count'] = df.groupby('search_engine_type')['click'].transform("count")
print(df.head(1))

...  device_id_count  search_engine_type_count
...            40862                     47710

Passons à la pratique !

Prédire le CTR avec le Machine Learning en Python