結語影片

用 Python 透過機器學習預測 CTR

Kevin Huo

Instructor

第 1 章

  • 介紹 CTR

    • 以分類視角學習基本問題

  • 機器學習模型概觀

    • 在多個資料集上練習邏輯斯回歸

  • CTR 預測概覽

    • 用決策樹做 CTR 預測
用 Python 透過機器學習預測 CTR

第 2 章

  • 基礎探索式資料分析

    • 檢視特定特徵與 CTR 的變異

  • 特徵工程

    • 學會雜湊並由既有欄位產生新特徵

  • 標準化

    • 套用標準縮放與對數正規化
用 Python 透過機器學習預測 CTR

第 3 章

  • 評估指標的應用

    • 透過混淆矩陣與 ROI 架構學會指標的商業解讀

  • 模型評估

    • 以基準分類器比較 precision 與 recall

  • 調整模型

    • 學會正規化與交叉驗證概念

  • 集成與超參數調校

    • 以網格搜尋調校 Random Forest 的超參數
用 Python 透過機器學習預測 CTR

第 4 章

  • 基本概念與模型

    • 學會神經網路的運作原理

  • 超參數調校

    • 透過隱藏層與最大迭代次數調校神經網路超參數

  • 模型評估

    • 計算 F-beta 分數，並比較 precision 與 ROC 曲線 AUC 的意涵

  • 模型回顧與比較

    • 回顧所有模型，並以各評估指標進行比較
用 Python 透過機器學習預測 CTR

感謝參與！

用 Python 透過機器學習預測 CTR

Preparing Video For Download...