모델 비교 워밍업
이 연습 문제에서는 혼동 행렬을 사용해 MLP와 Random Forest 간에 네 가지 결과 범주를 기본적으로 비교해 보겠습니다. 이는 지금까지 다룬 모든 모델을 분석하기 위한 준비 단계예요. 이 워밍업을 통해 각 모델의 구현 방식과 CTR 예측을 위한 평가 방법을 비교하고 대조할 수 있습니다.
워크스페이스에는 X와 y에 대해 각각 X_train, X_test, y_train, y_test로 훈련/테스트 분할이 준비되어 있어요. 기억하세요, X에는 사용자, 기기, 사이트 정보를 포함한 우리가 만든 특성이 들어 있고, y에는 목표값(광고가 클릭되었는지 여부)이 들어 있습니다. X는 이미 StandardScaler()로 스케일링했습니다. 앞으로의 광고 CTR 예측 모델에서도 설정은 이와 유사할 거예요.
이 연습은 강의의 일부입니다
Python으로 Machine Learning을 활용한 CTR 예측
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)