Інженерія ознак

Прогнозування CTR за допомогою машинного навчання в Python

Kevin Huo

Instructor

Робота з датами

print(df.hour.head(1))

14102101

df['hour'] = pd.to_datetime(
  df['hour'], format = '%y%m%d%H')
df['hour_of_day'] = df['hour'].dt.hour
print(df.hour.head(1))

2014-10-21 01:00:0

print(df.groupby('hour_of_day')
      ['click'].sum())

             click
hour_of_day       
1             1092
2             6546

Хешування категоріальних змінних

Категоріальні ознаки потрібно перетворити на числовий формат
Хеш-функція: відображає довільне значення у ціле число й завжди повертає той самий результат для одного введення
Лямбда-функція: lambda x: f(x)
Застосуйте хеш-функцію через f(x) = hash(x) так:

df['site_id'] = df['site_id'].apply(lambda x: hash(x))

83a0ad1a -> -9161053084583616050
85f751fd-> 818242008494177460

Ближчий погляд на ознаки

Приклади count() та nunique():

df['ad_type'].count()

df['ad_type'].nunique()

Приклад розподілу категоріального стовпця

Створення ознак

Більшість змінних є категоріальними
Більше ознак — краща передбачувальна здатність
Приклад нової ознаки: покази за device_id (користувач) і search_engine_type:

df['device_id_count'] = df.groupby('device_id')['click'].transform("count")
df['search_engine_type_count'] = df.groupby('search_engine_type')['click'].transform("count")
print(df.head(1))

...  device_id_count  search_engine_type_count
...            40862                     47710

Давайте потренуємось!

Прогнозування CTR за допомогою машинного навчання в Python