1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Předpovídání CTR pomocí Machine Learning v Pythonu
Connected

cvičení

Vyhodnocení čtyř kategorií

Matice záměn je nejpřímočařejší nástroj pro zobrazení čtyř kategorií výsledků: skutečných pozitiv (TP), falešných pozitiv (FP), skutečných negativ (TN) a falešných negativ (FN). V tomto cvičení použiješ standardní klasifikátor rozhodovacího stromu DecisionTreeClassifier() z knihovny sklearn na vzorová data o kliknutích a spočítáš rozložení výsledků podle těchto čtyř kategorií.

Modul pandas je dostupný jako pd a vzorový DataFrame je načtený jako df. Příznaky jsou uloženy v X, cílová proměnná v y. K dispozici je také DecisionTreeClassifier z modulu sklearn.tree.

Pokyny

100 XP
  • Rozděl X a y na trénovací a testovací části.
  • Definuj klasifikátor rozhodovacího stromu, natrénuj model a vytvoř predikce y_pred.
  • Pomocí matice záměn zjisti počty výsledků pro každou kategorii, kde 1 označuje pozitivní příklad (kliknutí) a 0 negativní (nekliknutí).
  • Například: skutečné negativy jsou na pozici [0,0] a skutečné pozitivy na pozici [1,1].