CTR別の分布
個々の特徴量については、その分布と、関心のある変数に応じてどのように変化するかの両方を見ることが有用です。この演習では、ユーザーが広告に至るまでに意図を示した検索エンジン（Google や Bing など）を表す整数である search_engine_type 特徴量を調べます。プライバシーのため、これらのカテゴリは匿名化されています。まず search_engine_type の分布を作成して確認します。次に、前の章でデバイスタイプやバナー位置ごとにCTRを見たのと同様に、search_engine_type の値に基づいてCTRがどのように変わるかを確認します。
サンプルデータは DataFrame 形式で df として読み込まれています。pandas は pd としてワークスペースで利用できます。
この演習はコースの一部です
PythonでMachine Learningを使ってCTRを予測する
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Construct bar chart for clicks by search engine type
se_df = df.____(['search_engine_type', 'click']).size().unstack()
se_df.plot(kind = 'bar', title = 'Value frequency for search engine type')
plt.show()