Rozgrzewka: porównanie modeli
W tym ćwiczeniu przeprowadzisz podstawowe porównanie czterech kategorii wyników dla modeli MLP i Random Forest, korzystając z macierzy pomyłek. To przygotowanie do analizy wszystkich omówionych modeli. Dzięki tej rozgrzewce możesz zestawić ze sobą sposób implementacji tych modeli oraz ich ewaluację w kontekście przewidywania CTR.
W obszarze roboczym masz dostęp do podziałów treningowych i testowych dla X oraz y: odpowiednio X_train, X_test dla X i y_train, y_test dla y. Pamiętaj, że X zawiera nasze wytworzone cechy z informacjami o użytkowniku, urządzeniu i witrynie, natomiast y zawiera zmienną docelową (czy reklama została kliknięta). X zostało już przeskalowane za pomocą StandardScaler(). W przyszłych modelach do przewidywania CTR konfiguracja będzie analogiczna.
To ćwiczenie jest częścią kursu
Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)