アンサンブルとハイパーパラメータチューニング

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

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

SkillTag.level.intermediateSkillTag.label

4.9+

無料でコースを始める

おそらく皆さんも、リンクをクリックしてこのページに来られたのではないでしょうか。この章では、クリック率（CTR）がターゲティング広告にとってなぜ重要なのか、基本的なDataFrame操作の方法、そして Machine Learning モデルでCTRを予測する手順を学びます。

Exercise 1: クリック率（CTR）の導入 Exercise 2: 最初のステップ Exercise 3: 特徴量の探索 Exercise 4: データの初期評価 Exercise 5: Machine Learningモデルの概要 Exercise 6: 乳がん予測のロジスティック回帰 Exercise 7: 画像に対するロジスティック回帰 Exercise 8: 2つ目のおもちゃモデル Exercise 9: 決定木によるCTR予測 Exercise 10: モデルの実装 Exercise 11: 最初のCTRモデル Exercise 12: 正解率だけではない評価

この章では、探索的データ分析（EDA）の基礎を身につけます。サンプルデータを用いて、pandas ライブラリで列やデータ型を確認し、欠損データを調べ、カテゴリカル特徴量に対してハッシュ化を使った特徴量エンジニアリングを行います。これらはすべて、より正確なCTR予測に向けて特徴量を探索するうえで重要です。

Exercise 1: 探索的データ分析 Exercise 2: はじめの一歩 Exercise 3: 欠損値の確認 Exercise 4: CTR別の分布 Exercise 5: 特徴量エンジニアリング Exercise 6: datetime 列の分析 Exercise 7: カテゴリ変数の変換 Exercise 8: 新しい特徴量を作成する Exercise 9: 特徴量の標準化 Exercise 10: 対数正規化 Exercise 11: 標準化を理解する Exercise 12: 標準化スケーリング

ここから一歩踏み込みます。適合率（precision）や再現率（recall）などのモデル性能指標を使って、広告費のROI評価といった実務的な課題にどう答えるかを学びます。さらに、アンサンブル手法やハイパーパラメータチューニングなど、これらの評価指標を改善する方法も紹介します。

Exercise 1: 評価指標の活用例 Exercise 2: 4種類の予測結果 Exercise 3: 4つのカテゴリを評価する Exercise 4: 広告費のROI Exercise 5: モデル評価 Exercise 6: 適合率と再現率 Exercise 7: ベースライン Exercise 8: 分類器の比較 Exercise 9: モデルのチューニング Exercise 10: 正則化 Exercise 11: 交差検証 Exercise 12: モデル選択 Exercise 13: アンサンブルとハイパーパラメータチューニング

現在の演習

Exercise 14: ハイパーパラメータチューニングを理解する Exercise 15: ランダムフォレスト Exercise 16: グリッドサーチ

キャンペーンのCTRは利益に大きな影響を与えます。この章では、そのリスクを低減するために Deep Learning をどう活用できるかを学びます。多層パーセプトロン（MLP）やニューラルネットワークモデルに焦点を当て、変数間の複雑な関係を捉えてCTRをより高精度に予測する方法を見ていきます。最後に、分類モデルへのハイパーパラメータチューニングと正則化の基本的な適用方法を学びます。

Exercise 1: Deep Learning の導入 Exercise 2: MLP を理解する Exercise 3: はじめのモデル Exercise 4: CTR向けのMLP Exercise 5: Deep Learningのハイパーパラメータチューニング Exercise 6: MLPにおけるハイパーパラメータチューニング Exercise 7: ハイパーパラメータを変えてみる Exercise 8: MLP のグリッドサーチ Exercise 9: モデル評価 Exercise 10: F-beta スコア Exercise 11: 低い適合率と高いAUC Exercise 12: 適合率、ROI、AUC Exercise 13: モデルの振り返りと比較 Exercise 14: モデル比較のウォームアップ Exercise 15: 適合率とROIを評価する Exercise 16: 総合評価スコア Exercise 17: まとめ動画