ComenzarEmpieza gratis

Calentamiento: comparación de modelos

En este ejercicio, ejecutarás una comparación básica de las cuatro categorías de resultados entre MLP y Random Forests usando una matriz de confusión. Esto te preparará para un análisis de todos los modelos que hemos visto. Hacer este ejercicio de calentamiento te permitirá comparar y contrastar la implementación de estos modelos y su evaluación para la predicción de CTR.

En el espacio de trabajo, tenemos particiones de entrenamiento y prueba para X y y como X_train, X_test para X y y_train, y_test para y, respectivamente. Recuerda que X contiene nuestras características diseñadas con detalles de usuario, dispositivo y sitio, mientras que y contiene el objetivo (si se hizo clic en el anuncio). X ya se ha escalado usando un StandardScaler(). Para futuros modelos de predicción de CTR de anuncios, la configuración será análoga.

Este ejercicio forma parte del curso

Predicción del CTR con Machine Learning en Python

Ver curso

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create the list of models in the order below
names = ['Random Forest', 'Multi-Layer Perceptron']
classifiers = [RandomForestClassifier(), 
               ____(____ = (10, ),
                             ____ = 40)]

# Produce a confusion matrix for all classifiers
for name, classifier in zip(names, classifiers):
  print("Evaluating classifier: %s" %(name))
  classifier.fit(____, ____)
  y_pred = classifier.predict(____)
  conf_matrix = confusion_matrix(____, ____)
  print(conf_matrix)
Editar y ejecutar código