บทนำสู่ deep learning

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

Kevin Huo

Instructor

Perceptron

ตัวอย่างโครงสร้างของ perceptron

ฟีเจอร์ input ถูก standardize ก่อนใช้งาน
input แต่ละตัวถูกรวมกันผ่าน weight
output ผ่าน activation function
ใช้ unit step function แปลง output เป็น class ที่ทำนาย

Hidden layer และ activation function

ตัวอย่าง hidden layer

ตัวอย่าง activation function

การนำไปใช้งาน

clf = MLPClassifier()
print(clf)

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

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)

ข้อควรพิจารณาอื่น ๆ

ควร standardize ข้อมูลก่อนใช้งานเสมอ
- X = StandardScaler().fit_transform(X)
โครงข่ายขนาดใหญ่มักมี parameter นับล้าน
- feature matrix มักเป็น "sparse"
ยิ่งมีข้อมูลมาก ประสิทธิภาพยิ่งดีขึ้น
- อย่างไรก็ตาม ความโปร่งใสลดลงและใช้เวลาคำนวณนานขึ้น

มาฝึกกันเถอะ!

การพยากรณ์ CTR ด้วย Machine Learning ใน Python