การประยุกต์ใช้การประเมินเมตริก

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

Kevin Huo

Instructor

สี่ประเภทของผลลัพธ์

ตัวอย่างสี่ประเภทผลลัพธ์ในการจำแนกประเภท

ถ้าโมเดลทำนายว่ามีการคลิก จะมีการประมูล impression นั้น ซึ่งมีค่าใช้จ่าย
ถ้าไม่ทำนายว่ามีการคลิก จะไม่มีการประมูลและไม่มีค่าใช้จ่าย
True positives (TP): เงินที่ได้รับ (จ่ายค่า impression ที่มีการคลิกจริง)
False positives (FP): เงินที่สูญเสีย (จ่ายค่า impression แต่ไม่มีการคลิก)
True negatives (TN): เงินที่ประหยัดได้ (ไม่ทำนายว่าคลิก จึงไม่ซื้อ impression)
False negatives (FN): เงินที่พลาดไป (ไม่ทำนายว่าคลิก แต่ในความเป็นจริงมีการคลิกเกิดขึ้น)

print(confusion_matrix(y_test, y_pred))

[[8163  166]
 [1517  154]]

# Order: tn, fp, fn, tp
print(confusion_matrix(y_test, y_pred).ravel())

[8163, 166, 1517, 154]

total_return = tp * r

total_cost = (tp + fp) * c

tp * r > (tp + fp) * c

roi = total_return / total_spent

การพยากรณ์ CTR ด้วย Machine Learning ใน Python