最初のCTRモデル
この演習では、Avazuデータセットに対して決定木を用いた最初のCTRモデルを構築し、sklearn の accuracy_score() を使ってモデルの正解率を評価します。さらに、以前のように分割位置を手動で決めるのではなく、sklearn の train_test_split() を使って学習用とテスト用のデータに分割します。
ワークスペースには、サンプルデータのDataFrame df、そして sklearn と pandas（pd として）が読み込まれています。
ここでは基本的な学習・テスト分割を行い、正解率で結果を評価します。
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
演習の手順
click列に基づいて、特徴量をX、目的変数をyにそれぞれ定義します。train_test_split(X, y)を使ってデータを学習用とテスト用に分割します。- 決定木分類器を作成します。
- 分類器で予測を作成し、その予測の正解率を評価します。
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。
# Define X and y
X = df.____[:, ~df.columns.____(['click'])]
y = df.click
# Define training and testing
X_train, X_test, y_train, y_test = \
____(____, _____, test_size = .2, random_state = 0)
# Create decision tree classifier
clf = ____()
# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(____, _____).____(X_test)
print(____(y_test, y_pred))