Voorbereiding modelvergelijking
In deze oefening voer je een basisvergelijking uit van de vier categorieën uitkomsten tussen MLP’s en Random Forests met behulp van een confusion matrix. Dit is ter voorbereiding op een analyse van alle modellen die we hebben behandeld. Door deze warming-up te doen, kun je de implementatie van deze modellen en hun evaluatie voor CTR-voorspelling beter vergelijken.
In de werkruimte hebben we trainings- en testsets voor X en y als X_train, X_test voor X en y_train, y_test voor y. Denk eraan: X bevat onze samengestelde features met gebruikers-, apparaat- en sitegegevens, terwijl y het doel bevat (of er op de advertentie is geklikt). X is al geschaald met een StandardScaler(). Voor toekomstige advertentie-CTR-modellen is de opzet vergelijkbaar.
Deze oefening maakt deel uit van de cursus
CTR voorspellen met Machine Learning in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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)