Standardiser les caractéristiques

Prédire le CTR avec le Machine Learning en Python

Kevin Huo

Instructor

Pourquoi la standardisation est importante

  • Standardisation : faire en sorte que vos données respectent les hypothèses des modèles
  • Certaines caractéristiques ont une variance trop élevée et peuvent dominer indûment les modèles
  • Exemple : un décompte a une plage trop grande à cause d'un utilisateur pourriel
  • Ne s'applique pas aux variables catégorielles comme site_id, app_id, device_id, etc.
Prédire le CTR avec le Machine Learning en Python

Normalisation logarithmique

df.var()

click                   1.294270e-01
hour                    1.123316e-01

df.var().median()

0.7108583771671939

print(df['click'].var())
df['device_id_count'] = df[
  'device_id_count'].apply(
  lambda x: np.log(x))
print(df['click'].var())

249362570.10134825
15.628476003312514
Prédire le CTR avec le Machine Learning en Python

Mise à l'échelle des données

  • La mise à l'échelle standard convertit toutes les caractéristiques pour avoir une moyenne de 0 et un écart type de 1

Exemple de mise à l'échelle standard

  • En général, c'est une bonne pratique pour les modèles de machine learning
Prédire le CTR avec le Machine Learning en Python

Comment standardiser les données

  • La mise à l'échelle se fait avec StandardScaler() comme suit :
scaler = StandardScaler()
X[numeric_cols] = scaler.fit_transform(X[numeric_cols])

dtype: float64
1    10.5 -> 0.85
2    32.3 -> 1.54
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...