วิดีโอสรุป

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

Kevin Huo

Instructor

บทที่ 1

  • แนะนำ CTR

    • ศึกษาปัญหาพื้นฐานจากมุมมองการจำแนกประเภท

  • ภาพรวมของโมเดล machine learning

    • ฝึกใช้ logistic regression กับชุดข้อมูลต่างๆ

  • ภาพรวมของการพยากรณ์ CTR

    • นำ decision tree ไปใช้พยากรณ์ CTR
การพยากรณ์ CTR ด้วย Machine Learning ใน Python

บทที่ 2

  • การวิเคราะห์ข้อมูลเบื้องต้น

    • ดูฟีเจอร์เฉพาะและความแปรปรวนที่เกี่ยวกับ CTR

  • Feature engineering

    • เรียนรู้การ hashing และสร้างฟีเจอร์จากข้อมูลที่มีอยู่

  • การ Standardization

    • ใช้ standard scaling และ log normalization
การพยากรณ์ CTR ด้วย Machine Learning ใน Python

บทที่ 3

  • การประยุกต์ใช้ metric ในการประเมินผล

    • เรียนรู้การตีความเชิงธุรกิจของ metric ผ่าน confusion matrix และกรอบแนวคิด ROI

  • การประเมินโมเดล

    • ประเมิน precision และ recall เทียบกับ baseline classifier

  • การปรับแต่งโมเดล

    • เรียนรู้แนวคิด regularization และ cross-validation

  • Ensemble และการปรับ hyperparameter

    • ปรับ hyperparameter ด้วย grid search สำหรับ Random Forest
การพยากรณ์ CTR ด้วย Machine Learning ใน Python

บทที่ 4

  • แนวคิดพื้นฐานและโมเดล

    • เรียนรู้การทำงานภายในของ neural network

  • การปรับ hyperparameter

    • ปรับ hyperparameter ของ neural network ผ่าน hidden layer และจำนวนรอบสูงสุด

  • การประเมินโมเดล

    • คำนวณคะแนน F-beta และนัยสำคัญของ precision เทียบกับ AUC ของ ROC curve

  • การทบทวนและเปรียบเทียบโมเดล

    • ทบทวนโมเดลทั้งหมดและเปรียบเทียบด้วย metric การประเมินทุกตัว
การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ขอบคุณ!

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

Preparing Video For Download...