Introduktion till djupinlärning

Förutsäga CTR med maskininlärning i Python

Kevin Huo

Instructor

Perceptroner

Exempel på en perceptrons struktur

  • Särdragen standardiseras
  • Indata summeras med vikter
  • Utdata skickas genom aktiveringsfunktionen
  • Enhetsstegsfunktion omvandlar utdata till förutsagd klass
Förutsäga CTR med maskininlärning i Python

Dolda lager och aktiveringsfunktioner

Exempel på dolda lager

Exempel på aktiveringsfunktioner

Förutsäga CTR med maskininlärning i Python

Implementering

clf = MLPClassifier()
print(clf)

MLPClassifier(activation='relu', 
              alpha=0.0001,

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)
Förutsäga CTR med maskininlärning i Python

Övriga överväganden

  • Standardisering är viktigt innan användning
    • X = StandardScaler().fit_transform(X)
  • Mycket stora nätverk med många miljoner parametrar
    • Särdragsmatriser är ofta "glesa"
  • Bättre prestanda med mer data
    • Nackdelen är dock sämre transparens och längre beräkningstid
Förutsäga CTR med maskininlärning i Python

Nu kör vi en övning!

Förutsäga CTR med maskininlärning i Python

Preparing Video For Download...