НачатьНачать бесплатно

Сравнение моделей: разминка

В этом упражнении вы выполните базовое сравнение четырёх категорий исходов между моделями MLP и Random Forest с помощью матрицы ошибок. Это подготовит вас к анализу всех моделей, которые мы рассмотрели. Выполнив это разминочное упражнение, вы сможете сравнить реализацию этих моделей и оценить их эффективность для предсказания CTR.

В рабочей среде уже подготовлены обучающие и тестовые наборы для X и y: X_train, X_test для X и y_train, y_test для y соответственно. Напомним, что X содержит сформированные признаки с данными о пользователе, устройстве и сайте, а y — целевую переменную (был ли совершён клик по объявлению). Масштабирование X уже выполнено с помощью StandardScaler(). Для будущих моделей предсказания CTR настройка будет аналогичной.

Это упражнение является частью курса

Прогнозирование CTR с помощью машинного обучения на Python

Посмотреть курс

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create the list of models in the order below
names = ['Random Forest', 'Multi-Layer Perceptron']
classifiers = [RandomForestClassifier(), 
               ____(____ = (10, ),
                             ____ = 40)]

# Produce a confusion matrix for all classifiers
for name, classifier in zip(names, classifiers):
  print("Evaluating classifier: %s" %(name))
  classifier.fit(____, ____)
  y_pred = classifier.predict(____)
  conf_matrix = confusion_matrix(____, ____)
  print(conf_matrix)
Редактировать и запускать код