ComeçarComece de graça

Seu primeiro modelo de CTR

Neste exercício, você vai construir um primeiro modelo de CTR no conjunto de dados Avazu usando uma árvore de decisão e avaliar a acurácia do modelo com accuracy_score() do sklearn. Além disso, você usará train_test_split() do sklearn para dividir os dados de treino e teste, em vez de definir manualmente um ponto de divisão como antes.

No seu ambiente de trabalho, dados de exemplo em formato DataFrame estão carregados como df, e sklearn e pandas como pd.

Vamos fazer uma divisão básica entre treino e teste e avaliar nossos resultados usando acurácia.

Este exercício faz parte do curso

Prevendo CTR com Machine Learning em Python

Ver curso

Instruções do exercício

  • Defina X e y como features e target, respectivamente, com base na coluna click.
  • Divida os dados em conjuntos de treino e teste usando train_test_split(X, y).
  • Crie um classificador de árvore de decisão.
  • Gere previsões usando o classificador e avalie a acurácia das previsões.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Define X and y 
X = df.____[:, ~df.columns.____(['click'])]
y = df.click

# Define training and testing
X_train, X_test, y_train, y_test = \
	____(____, _____, test_size = .2, random_state = 0)

# Create decision tree classifier
clf = ____()

# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(____, _____).____(X_test) 
print(____(y_test, y_pred))
Editar e executar o código