Začněte nyníZačněte zdarma

První model pro predikci CTR

V tomto cvičení sestavíš první model pro predikci CTR na datasetu Avazu pomocí rozhodovacího stromu a vyhodnotíš jeho přesnost pomocí funkce accuracy_score() z knihovny sklearn. Navíc použiješ funkci train_test_split() z sklearn k rozdělení dat na trénovací a testovací část – místo ručního definování dělicího bodu jako dříve.

V pracovním prostředí máš načtená ukázková data ve formě DataFrame jako df spolu s knihovnami sklearn a pandas jako pd.

Provedeme základní rozdělení na trénovací a testovací data a výsledky vyhodnotíme pomocí přesnosti.

Toto cvičení je součástí kurzu

Předpovídání CTR pomocí Machine Learning v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Definuj X jako příznaky a y jako cílové hodnoty na základě sloupce click.
  • Rozděl data na trénovací a testovací sadu pomocí train_test_split(X, y).
  • Vytvoř klasifikátor rozhodovacího stromu.
  • Vygeneruj předpovědi pomocí klasifikátoru a vyhodnoť jejich přesnost.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define X and y 
X = df.____[:, ~df.columns.____(['click'])]
y = df.click

# Define training and testing
X_train, X_test, y_train, y_test = \
	____(____, _____, test_size = .2, random_state = 0)

# Create decision tree classifier
clf = ____()

# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(____, _____).____(X_test) 
print(____(y_test, y_pred))
Upravit a spustit kód