機器學習模型概觀

用 Python 透過機器學習預測 CTR

Kevin Huo

Instructor

邏輯斯迴歸

邏輯斯迴歸示例：紅藍點分佈

  • 邏輯斯迴歸：在應變數與自變數之間建立線性分類器
用 Python 透過機器學習預測 CTR

訓練模型

  • 建立模型：clf = LogisticRegression()
  • 每個分類器都有 fit() 方法，傳入 X_train, y_train：clf.fit(X_train, y_train)
  • X_train 是訓練特徵向量，y_train 是訓練目標向量
  • 分類器只能看訓練資料，以避免「事先看到答案」
用 Python 透過機器學習預測 CTR

測試模型

  • 每個分類器都有 predict() 方法，輸入 X_test 產生 y_test，如下：
    array([0, 1, 1, ..., 1, 0, 1])
  • predict_proba() 方法會產生機率分數
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • 分數代表特定使用者點擊特定廣告的機率
用 Python 透過機器學習預測 CTR

評估模型

  • 準確率：正確辨識測試目標的比例
  • accuracy_score(y_test, y_pred)
  • 不應只用此指標評估模型，特別是類別不平衡時
  • CTR 預測就是類別不平衡的例子
用 Python 透過機器學習預測 CTR

一起來練習吧！

用 Python 透過機器學習預測 CTR

Preparing Video For Download...