Distribuții în funcție de CTR
Pentru orice caracteristică individuală, este util să analizezi atât distribuția acesteia, cât și modul în care variază în raport cu variabila de interes. În acest exercițiu, vei explora caracteristica search_engine_type, care reprezintă un număr întreg ce identifică motorul de căutare – precum Google sau Bing – prin care utilizatorul și-a exprimat intenția înainte de a vedea reclama. Din motive de confidențialitate, aceste categorii sunt anonime. Mai întâi vei construi și analiza distribuția lui search_engine_type. Apoi vei vedea cum variază CTR-ul în funcție de valoarea search_engine_type, similar cu analiza CTR-ului pe tip de dispozitiv și poziție banner din capitolul anterior.
Datele eșantion sunt încărcate sub formă de DataFrame ca df. pandas este disponibil în spațiul de lucru ca pd.
Acest exercițiu face parte din cursul
Predicția CTR cu Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Construct bar chart for clicks by search engine type
se_df = df.____(['search_engine_type', 'click']).size().unstack()
se_df.plot(kind = 'bar', title = 'Value frequency for search engine type')
plt.show()