Distribuce podle CTR
U každého jednotlivého příznaku je užitečné podívat se jak na jeho distribuci, tak na to, jak se mění v závislosti na sledované proměnné. V tomto cvičení prozkoumáš příznak search_engine_type, který představuje celé číslo označující vyhledávač – například Google nebo Bing – pomocí kterého uživatel vyjádřil záměr před zobrazením reklamy. Z důvodu ochrany soukromí jsou tyto kategorie anonymní. Nejprve sestavíš a prozkoumáš distribuci příznaku search_engine_type. Pak se podíváš na to, jak se CTR mění v závislosti na hodnotě search_engine_type – podobně jako jsi v předchozí kapitole zkoumal/a CTR podle typu zařízení a pozice banneru.
Vzorová data ve formě DataFrame jsou načtena jako df. V pracovním prostředí máš k dispozici také pandas jako pd.
Toto cvičení je součástí kurzu
Předpovídání CTR pomocí Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Construct bar chart for clicks by search engine type
se_df = df.____(['search_engine_type', 'click']).size().unstack()
se_df.plot(kind = 'bar', title = 'Value frequency for search engine type')
plt.show()