CTR별 분포
개별 특성을 탐색할 때는 해당 특성의 분포와, 관심 변수에 따라 어떻게 달라지는지도 함께 보는 것이 유용해요. 이 연습 문제에서는 search_engine_type 특성을 살펴봅니다. 이 값은 사용자가 광고에 이르기까지 의도를 표현할 때 사용한 검색 엔진(예: Google, Bing 등)을 나타내는 정수예요. 개인정보 보호를 위해 카테고리는 익명화되어 있습니다. 먼저 search_engine_type의 분포를 만들고 확인한 다음, 이전 장에서 기기 유형과 배너 위치별 CTR을 살펴본 것처럼 search_engine_type 값에 따라 CTR이 어떻게 달라지는지 확인해 보겠습니다.
샘플 데이터는 DataFrame 형태로 df에 로드되어 있습니다. pandas는 pd로 작업 공간에서 사용할 수 있어요.
이 연습은 강의의 일부입니다
Python으로 Machine Learning을 활용한 CTR 예측
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()