IniziaInizia gratis

Riscaldamento al confronto tra modelli

In questo esercizio eseguirai un confronto di base delle quattro categorie di esiti tra MLP e Random Forest usando una matrice di confusione. È una preparazione all’analisi di tutti i modelli che abbiamo trattato. Questo esercizio di riscaldamento ti permetterà di confrontare e mettere a fuoco le differenze nell’implementazione di questi modelli e nella loro valutazione per la previsione del CTR.

Nell’ambiente di lavoro, abbiamo suddivisioni di training e test per X e y, rispettivamente X_train, X_test per X e y_train, y_test per y. Ricorda: X contiene le nostre feature ingegnerizzate con dettagli su utente, dispositivo e sito, mentre y contiene il target (se l’annuncio è stato cliccato). X è già stata scalata usando uno StandardScaler(). Per i futuri modelli di previsione del CTR degli annunci, l’impostazione sarà analoga.

Questo esercizio fa parte del corso

Prevedere il CTR con il Machine Learning in Python

Visualizza il corso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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)
Modifica ed esegui il codice