ภาพรวมของโมเดล machine learning

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

Kevin Huo

Instructor

Logistic regression

ตัวอย่าง Logistic Regression ด้วยจุดสีแดงและสีน้ำเงิน

Logistic regression: classifier เชิงเส้นระหว่างตัวแปรตามและตัวแปรอิสระ

การเทรนโมเดล

สร้างโมเดลได้ด้วย: clf = LogisticRegression()
classifier แต่ละตัวมีเมธอด fit() ที่รับ X_train, y_train: clf.fit(X_train, y_train)
X_train คือเวกเตอร์ของ feature สำหรับเทรน, y_train คือเวกเตอร์ของ target สำหรับเทรน
classifier ควรเห็นเฉพาะข้อมูลเทรน เพื่อป้องกัน "การรู้คำตอบล่วงหน้า"

การทดสอบโมเดล

classifier แต่ละตัวมีเมธอด predict() ที่รับ X_test เพื่อสร้าง y_test ดังนี้:
```
array([0, 1, 1, ..., 1, 0, 1])
```

เมธอด predict_proba() ให้คะแนนความน่าจะเป็น
```
array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
```

คะแนนสะท้อนความน่าจะเป็นที่ผู้ใช้รายนั้นจะคลิกโฆษณานั้น

การประเมินโมเดล

Accuracy: เปอร์เซ็นต์ของ target ในชุดทดสอบที่ระบุได้ถูกต้อง
accuracy_score(y_test, y_pred)
ไม่ควรใช้เป็นเมตริกเดียวในการประเมินโมเดล โดยเฉพาะเมื่อชุดข้อมูลไม่สมดุล
การพยากรณ์ CTR เป็นตัวอย่างของปัญหาที่ class ไม่สมดุล

มาฝึกกันเถอะ!

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

Preparing Video For Download...