Modellöversikt och jämförelse
Förutsäga CTR med maskininlärning i Python
Kevin Huo
Instructor
Modellöversikt
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.neural_network import MLPClassifier
- Logistisk regression: linjär klassificerare som identifierar beslutsgräns
- Beslutsträd: trädformat av villkor
- Random Forests: ensemble av beslutsträd
- Neurala nätverk (MLP): lager med linjära kombinationer av särdrag och en icke-linjär aktiveringsfunktion
Modellimplementering
Likheter
- Särdragstransformation och regularisering
- Träning via
classifier.fit(X_train, y_train) - Prediktioner via
predict_proba()ochpredict()
Skillnader
- Beslutsträd:
max_depth,min_samples_split - Random Forests:
n_estimators,oob_score - Logistisk regression:
fit_intercept,class_weight - Neurala nätverk:
hidden_layer_sizes,max_iter
Modellutvärdering
- Viktiga utvärderingsmått:
- Förväxlingsmatris:
confusion_matrix(y_test, y_pred) - Precision:
precision_score(y_test, y_pred) - Recall:
recall_score(y_test, y_pred) - F-betavärde:
fbeta_score(y_test, y_pred, beta = 0.5) - AUC för ROC-kurva:
roc_auc_score(y_test, y_score[:, 1])
- Förväxlingsmatris:
Neurala nätverks viktigaste för- och nackdelar
Fördelar
- Skalbarhet med data
- Mindre behov av särdragskonstruktion
- Mer överförbar mellan domäner
Nackdelar
- Mindre effektiva på mindre datamängder
- Svåra att tolka
- Beräkningsmässigt och ekonomiskt dyrare
Nu kör vi en övning!
Förutsäga CTR med maskininlärning i Python
