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

ćwiczenie

Precyzja i czułość

Precyzja i czułość są powiązane z czterema wynikami omówionymi w poprzedniej lekcji i stanowią ważne metryki ewaluacyjne dla każdego modelu uczenia maszynowego. Model CTR dla reklam powinien mieć w idealnym przypadku wysoką precyzję (wysoki zwrot z inwestycji w reklamę) i wysoką czułość (trafne dotarcie do odpowiedniej grupy odbiorców). Choć precyzję i czułość można obliczyć ręcznie, biblioteka sklearn oferuje wygodne implementacje, które łatwo wbudujesz w istniejący przepływ pracy. W tym ćwiczeniu skonfigurujesz drzewo decyzyjne i obliczysz precyzję oraz czułość.

Moduł pandas jest dostępny jako pd w twoim środowisku pracy, a przykładowa ramka danych jest załadowana jako df. Cechy są załadowane w X, a zmienna docelowa w y. Dodatkowo dostępne są funkcje precision_score() i recall_score() z modułu sklearn.metrics.

Instrukcje

100 XP
  • Utwórz zbiory treningowe i testowe dla X i y.
  • Zdefiniuj klasyfikator drzewa decyzyjnego i wygeneruj predykcje y_pred, dopasowując model.
  • Użyj implementacji z biblioteki sklearn, aby obliczyć wartości precyzji i czułości.