첫 번째 CTR 모델
이 연습에서는 Avazu 데이터셋에 대해 의사결정나무를 사용해 첫 CTR 모델을 만들고, sklearn의 accuracy_score()로 모델 정확도를 평가해 보겠습니다. 추가로, 이전처럼 직접 분할 지점을 정하는 대신 sklearn의 train_test_split()을 사용해 학습용과 테스트용 데이터를 나눕니다.
작업 공간에는 df라는 DataFrame 형태의 샘플 데이터와 함께 sklearn, pandas(별칭 pd)가 로드되어 있어요.
기본적인 학습/테스트 분할을 수행한 뒤 accuracy로 결과를 평가하겠습니다.
이 연습은 강의의 일부입니다
Python으로 Machine Learning을 활용한 CTR 예측
연습 안내
click열을 기준으로 각각 특징과 타깃이 되도록X와y를 정의하세요.train_test_split(X, y)를 사용해 데이터를 학습용과 테스트용으로 분할하세요.- 의사결정나무 분류기를 생성하세요.
- 분류기로 예측을 만들고, 예측의 정확도를 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))