評估指標的應用

用 Python 透過機器學習預測 CTR

Kevin Huo

Instructor

四種分類結果

分類中四種結果的示意

  • 類別前半部（true/false）表示模型是否判對
  • 類別後半部（positive/negative）表示模型判定的標籤
用 Python 透過機器學習預測 CTR

四類結果的解讀

  • 若模型預測會點擊，則會對該曝光出價，需付費。
  • 若預測不會點擊，就不出價，無成本。
  • 真陽性（TP）：賺到的錢（付費的曝光被點擊）。
  • 假陽性（FP）：虧掉的錢（付費曝光未被點擊）。
  • 真陰性（TN）：省下的錢（預測不點擊，因此不買曝光）。
  • 假陰性（FN）：錯失的錢（預測不點擊，但實際會點）。
用 Python 透過機器學習預測 CTR

混淆矩陣

print(confusion_matrix(y_test, y_pred))

[[8163  166]
 [1517  154]]

# Order: tn, fp, fn, tp
print(confusion_matrix(y_test, y_pred).ravel())

[8163, 166, 1517, 154]
用 Python 透過機器學習預測 CTR

ROI 分析

  • 假設：每 X 個曝光有成本 c、回報 r
total_return = tp * r

total_cost = (tp + fp) * c

tp * r > (tp + fp) * c

roi = total_return / total_spent
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...