Särdragskonstruktion

Förutsäga CTR med maskininlärning i Python

Kevin Huo

Instructor

Hantera datum

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

Konvertera kategoriska variabler med hashing

Kategoriska särdrag måste konverteras till numeriskt format
Hashfunktion: avbildar godtycklig indata till ett heltal och returnerar alltid samma utdata för given indata
Lambdafunktion: lambda x: f(x)
Tillämpa hashfunktion via f(x) = hash(x) enligt följande:

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

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Närmare titt på särdrag

Exempel på count() och nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Exempel på fördelning av en kategorisk kolumn

Skapa särdrag

De flesta variabler är kategoriska
Fler särdrag ger bättre prediktionsförmåga
Exempel på nytt särdrag: visningar per device_id (användare) och 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

Nu kör vi en övning!

Förutsäga CTR med maskininlärning i Python