Introduktion till klickfrekvens

Förutsäga CTR med maskininlärning i Python

Kevin Huo

Instructor

Klickfrekvens

  • Klickfrekvens: antal klick på annonser / antal visningar av annonser
  • Företag och marknadsförare vill maximera klickfrekvensen
  • Att förutsäga klickfrekvens är avgörande för företag och marknadsförare

Exempel på annons från Facebook

Förutsäga CTR med maskininlärning i Python

Klassificering som perspektiv

  • Klassificering: att tilldela kategorier till observationer
  • Klassificerare tränas på träningsdata och utvärderas på testdata
  • Mål: en binär variabel, 0/1 för icke-klick eller klick
  • Särdrag: en variabel som används för att förutsäga målet

Klassificeringsexempel med rött och blått

Förutsäga CTR med maskininlärning i Python

En snabb titt på exempeldata

Exempelrader från annonsklick-datamängden

  • Varje rad representerar ett utfall – klick eller inte – för en given användare och annons
  • Kolumner kan filtreras med .isin(): df.columns.isin(['device'])]
  • Om y är en kolumn med klick beräknas klickfrekvensen som: y.sum()/len(y)
Förutsäga CTR med maskininlärning i Python

Analysera särdrag

print(df.device_type.value_counts())

1    45902
0    2947

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

0     633
1    7890
Förutsäga CTR med maskininlärning i Python

Nu kör vi en övning!

Förutsäga CTR med maskininlärning i Python

Preparing Video For Download...