1. Nauka
    2. /
  2. Kursy
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

ćwiczenie

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.

Instrukcje 1/2

undefined XP
    1
    2
  • Utwórz model Random Forest oraz model MLP z jedną warstwą ukrytą (używając hidden_layer_sizes) złożoną z 10 jednostek i maksymalnie 40 iteracjami (używając max_iter).
  • Przyjrzyj się czterem kategoriom wyników za pomocą confusion_matrix(y_test, y_pred), aby je porównać.