डिसीजन ट्री के साथ CTR प्रिडिक्शन

Python में Machine Learning के साथ CTR प्रेडिक्शन

Kevin Huo

Instructor

डिसीजन ट्री

उम्र और छात्र स्थिति के आधार पर क्रेडिट लोन तय करने वाला डिसीजन ट्री उदाहरण

ऐसे बनाएँ: clf = DecisionTreeClassifier()
लॉजिस्टिक रिग्रेशन की तरह, डिसीजन ट्री में भी ट्रेनिंग के लिए clf.fit(X_train, y_train) और टेस्ट लेबल्स के लिए clf.predict(X_test) होता है:
```
array([0, 1, 1, ..., 1, 0, 1])
```
प्रॉबेबिलिटी स्कोर के लिए clf.predict_proba(X_test):
```
array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
```
ट्रेनिंग/टेस्ट डेटा को रैंडम तरीके से बाँटने का उदाहरण, जहाँ टेस्ट डेटा कुल सैंपल का 30% है: train_test_split(X, y, test_size = .3, random_state = 0)

क्लासीफ़ायर के लिए ROC कर्व के नीचे के क्षेत्र का उदाहरण

ट्रू पॉज़िटिव रेट (Y-एक्सिस) = #(क्लासीफ़ायर ने पॉज़िटिव कहा, असल में पॉज़िटिव) / #(पॉज़िटिव्स)
फ़ॉल्स पॉज़िटिव रेट (X-एक्सिस) = #(क्लासीफ़ायर ने पॉज़िटिव कहा, असल में नेगेटिव) / #(नेगेटिव्स)
डॉटेड नीली रेखा: बेसलाइन AUC 0.5
ऑरेंज रेखा (AUC) 1 के जितना पास हो, उतना बेहतर

Y_score = clf.predict_proba(X_test)

fpr, tpr, thresholds = roc_curve(Y_test, Y_score[:, 1])

roc_auc = auc(fpr, tpr)

auc() इनपुट: फ़ॉल्स-पॉज़िटिव और ट्रू-पॉज़िटिव एरेज़
अगर मॉडल सटीक है और CTR कम है, तो आप ऐड मैसेज की डिलीवरी और टारगेट ऑडियंस को फिर से आकलित करना चाहेंगे

Python में Machine Learning के साथ CTR प्रेडिक्शन