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

cvičení

Přesnost a úplnost

Přesnost (precision) i úplnost (recall) vycházejí ze čtyř výsledků, o kterých jsme mluvili v předchozí lekci, a patří k důležitým metrikám hodnocení každého modelu strojového učení. Model pro predikci CTR reklam by měl mít ideálně vysokou přesnost (vysoká návratnost investic do reklamy) i úplnost (cílení na relevantní publikum). Přesnost a úplnost sice lze vypočítat ručně, sklearn ale nabízí šikovné implementace, které snadno zapojíš do stávajícího workflow. V tomto cvičení sestavíš rozhodovací strom a vypočítáš přesnost a úplnost.

Modul pandas je dostupný jako pd a ukázkový DataFrame je načten jako df. Příznaky jsou načteny v X a cílová proměnná v y. K dispozici jsou také funkce precision_score() a recall_score() z modulu sklearn.metrics.

Pokyny

100 XP
  • Rozděl X a y na trénovací a testovací části.
  • Definuj klasifikátor rozhodovacího stromu a natrénuj model, aby vznikly predikce y_pred.
  • Pomocí implementací z sklearn získej hodnoty přesnosti a úplnosti.