Introduction à l'apprentissage profond

Prédire le CTR avec le Machine Learning en Python

Kevin Huo

Instructor

Perceptrons

Exemple de structure d'un perceptron

  • Caractéristiques d'entrée standardisées
  • Les entrées sont sommées via des poids
  • La sortie passe par une fonction d'activation
  • Fonction échelon pour convertir la sortie en classe prédite
Prédire le CTR avec le Machine Learning en Python

Couches cachées et fonctions d'activation

Exemple de couches cachées

Exemple de fonctions d'activation

Prédire le CTR avec le Machine Learning en Python

Mise en œuvre

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
Prédire le CTR avec le Machine Learning en Python

Autres considérations

  • La standardisation est essentielle avant usage
    • X = StandardScaler().fit_transform(X)
  • Réseaux très grands avec des millions de paramètres
    • Les matrices de caractéristiques sont souvent « creuses »
  • Meilleures performances avec plus de données
    • En contrepartie : moins de transparence et temps de calcul plus long
Prédire le CTR avec le Machine Learning en Python

Passons à la pratique !

Prédire le CTR avec le Machine Learning en Python

Preparing Video For Download...