MLPs für CTR
In dieser Übung bewertest du sowohl den Accuracy-Score als auch die AUC der ROC-Kurve für ein einfaches MLP-Modell auf dem Ad-CTR-Datensatz. Denk daran, die Features zu standardisieren, bevor du in Training und Test aufteilst!
X steht dir als DataFrame mit Features zur Verfügung, und y als DataFrame mit Zielwerten. Sowohl sklearn als auch pandas als pd sind in deinem Workspace verfügbar.
Diese Übung ist Teil des Kurses
CTR-Vorhersage mit Machine Learning in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Scale features and split into training and testing
X_scaled = ____().____(X)
X_train, X_test, y_train, y_test = ____(
X_scaled, y, test_size = .2, random_state = 0)