Kom igångKom igång gratis

Modelljämförelse – uppvärmning

I den här övningen gör du en grundläggande jämförelse av de fyra utfallskategorierna mellan MLP och Random Forest med hjälp av en konfusionsmatris. Det är en förberedelse inför en analys av samtliga modeller som kursen har behandlat. Uppvärmningsövningen låter dig jämföra hur dessa modeller implementeras och utvärderas för CTR-prediktion.

I arbetsmiljön finns tränings- och testuppdelningar för X och y som X_train, X_test respektive y_train, y_test. Kom ihåg att X innehåller våra konstruerade särdrag med användar-, enhets- och webbplatsinformation, medan y innehåller målet (om annonsen klickades). X har redan skalats med StandardScaler(). För framtida CTR-prediktionsmodeller är upplägget analogt.

Den här övningen är en del av kursen

Förutsäga CTR med maskininlärning i Python

Visa kurs

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod