深度學習導論

用 Python 透過機器學習預測 CTR

Kevin Huo

Instructor

感知器

感知器結構示例

輸入特徵先標準化
輸入經權重加總
輸出通過啟用函式
使用階躍函式轉為預測類別

隱藏層與啟用函式

隱藏層示例

啟用函式示例

實作

clf = MLPClassifier()
print(clf)

MLPClassifier(activation='relu', 
              alpha=0.0001,

              ... 
              hidden_layer_sizes=(100,),

              learning_rate = 'constant',

              ... 
              max_iter=200, 
              ...)

其他考量

使用前標準化很重要
- X = StandardScaler().fit_transform(X)
超大型網路，參數可達數百萬
- 特徵矩陣常是「稀疏」的
更多資料通常表現更好
- 但缺點是可解釋性較低、計算時間較長

一起來練習吧！

用 Python 透過機器學習預測 CTR