Підсумкове відео

Прогнозування CTR за допомогою машинного навчання в Python

Kevin Huo

Instructor

Розділ 1

  • Вступ до CTR

    • Розглянули базову задачу з погляду класифікації

  • Огляд моделей машинного навчання

    • Попрактикувались з логістичною регресією на різних наборах даних

  • Коротко про прогнозування CTR

    • Застосували дерева рішень для прогнозування CTR
Прогнозування CTR за допомогою машинного навчання в Python

Розділ 2

  • Базовий розвідувальний аналіз даних

    • Переглянули окремі ознаки та варіативність щодо CTR

  • Інжиніринг ознак

    • Опрацювали хешування та створили ознаки з наявних

  • Стандартизація

    • Застосували стандартне масштабування та лог-нормалізацію
Прогнозування CTR за допомогою машинного навчання в Python

Розділ 3

  • Застосування метрик оцінювання

    • Розібрали бізнес-інтерпретації метрик через матриці неточностей і підхід ROI

  • Оцінювання моделі

    • Оцінили precision і recall відносно базового класифікатора

  • Налаштування моделей

    • Розглянули регуляризацію та крос-валідaцію

  • Ансамблі та підбір гіперпараметрів

    • Підібрали гіперпараметри грід-пошуком для Random Forest
Прогнозування CTR за допомогою машинного навчання в Python

Розділ 4

  • Базові поняття та модель

    • Розібрали внутрішню роботу нейронних мереж

  • Підбір гіперпараметрів

    • Налаштували гіперпараметри мереж через приховані шари та max iterations

  • Оцінювання моделі

    • Обчислили F-beta та розглянули наслідки вибору precision проти AUC ROC-кривої

  • Огляд і порівняння моделей

    • Підсумували всі моделі й порівняли їх за всіма метриками оцінювання
Прогнозування CTR за допомогою машинного навчання в Python

Дякуємо!

Прогнозування CTR за допомогою машинного навчання в Python

Preparing Video For Download...