1. 학습
    2. /
  2. 강의
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

연습 문제

Rozkłady według CTR

Analizując pojedynczą cechę, warto przyjrzeć się zarówno jej rozkładowi, jak i temu, jak zmienia się w zależności od interesującej nas zmiennej. W tym ćwiczeniu zbadasz cechę search_engine_type, która reprezentuje liczbę całkowitą oznaczającą wyszukiwarkę – taką jak Google lub Bing – z której korzystał użytkownik przed wyświetleniem reklamy. Ze względów prywatności kategorie te są anonimowe. Najpierw zbudujesz i przeanalizujesz rozkład cechy search_engine_type. Następnie sprawdzisz, jak CTR zmienia się w zależności od wartości search_engine_type – podobnie jak w poprzednim rozdziale analizowałeś CTR według typu urządzenia i pozycji banera.

Dane przykładowe w postaci DataFrame są załadowane jako df. Biblioteka pandas jako pd jest również dostępna w środowisku pracy.

지침 1/3

undefined XP
    1
    2
    3
  • Narysuj wykres słupkowy liczby kliknięć według typu wyszukiwarki, korzystając z metody .groupby().