Огляд моделей машинного навчання

Прогнозування CTR за допомогою машинного навчання в Python

Kevin Huo

Instructor

Логістична регресія

Приклад логістичної регресії з червоними та синіми точками

  • Логістична регресія: лінійний класифікатор між залежною змінною та незалежними змінними
Прогнозування CTR за допомогою машинного навчання в Python

Навчання моделі

  • Можна створити модель так: clf = LogisticRegression()
  • Кожен класифікатор має метод fit(), який приймає X_train, y_train: clf.fit(X_train, y_train)
  • X_train — вектор тренувальних ознак, y_train — вектор тренувальних цілей
  • Класифікатор має бачити лише тренувальні дані, щоб не «підглядати відповіді»
Прогнозування CTR за допомогою машинного навчання в Python

Тестування моделі

  • Кожен класифікатор має метод predict(), який приймає X_test і генерує y_test так:
    array([0, 1, 1, ..., 1, 0, 1])
  • Метод predict_proba() повертає ймовірності
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • Оцінка відображає ймовірність кліку за певною рекламою конкретним користувачем
Прогнозування CTR за допомогою машинного навчання в Python

Оцінювання моделі

  • Точність: частка тестових цілей, визначених правильно
  • accuracy_score(y_test, y_pred)
  • Не має бути єдиною метрикою оцінки моделі, особливо для незбалансованих наборів даних
  • Прогнозування CTR — приклад із незбалансованими класами
Прогнозування CTR за допомогою машинного навчання в Python

Давайте потренуємось!

Прогнозування CTR за допомогою машинного навчання в Python

Preparing Video For Download...