शुरू करेंमुफ़्त में शुरू करें

मॉडल तुलना वार्मअप

इस अभ्यास में, आप एक कन्फ्यूज़न मैट्रिक्स का उपयोग करके MLPs और Random Forests के बीच चार प्रकार के परिणामों की एक बुनियादी तुलना चलाएँगे। यह उन सभी मॉडलों के विश्लेषण की तैयारी है जिन पर हमने काम किया है। यह वार्म-अप अभ्यास करने से आप इन मॉडलों के इम्प्लीमेंटेशन और CTR प्रेडिक्शन के लिए उनके मूल्यांकन की तुलना कर पाएँगे।

वर्कस्पेस में, X और y के लिए हमारे पास ट्रेनिंग और टेस्टिंग स्प्लिट्स मौजूद हैं: X के लिए X_train, X_test और y के लिए y_train, y_test। याद रखें, X में हमारे इंजीनियर किए गए फीचर हैं जिनमें यूज़र, डिवाइस, और साइट का विवरण शामिल है, जबकि y में टारगेट है (विज्ञापन पर क्लिक हुआ या नहीं)। X को पहले ही StandardScaler() से स्केल किया जा चुका है। भविष्य के ad CTR प्रेडिक्शन मॉडलों के लिए भी सेटअप इसी तरह होगा।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Machine Learning के साथ CTR प्रेडिक्शन

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ