Kom igångKom igång gratis

En första CTR-modell

I den här övningen bygger du en första CTR-modell på Avazu-datamängden med hjälp av ett beslutsträd och utvärderar modellens noggrannhet med accuracy_score() från sklearn. Du använder också train_test_split() från sklearn för att dela upp data i tränings- och testdata, i stället för att definiera en delningspunkt manuellt som tidigare.

I din arbetsyta finns ett urval av data i DataFrame-format inläst som df, tillsammans med sklearn och pandas som pd.

Vi gör en grundläggande uppdelning i tränings- och testdata och utvärderar resultaten med hjälp av noggrannhet.

Den här övningen är en del av kursen

Förutsäga CTR med maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Definiera både X och y som särdrag respektive målvariabel baserat på kolumnen click.
  • Dela upp data i tränings- och testmängder med train_test_split(X, y).
  • Skapa en beslutsträdsklassificerare.
  • Skapa förutsägelser med klassificeraren och utvärdera dess noggrannhet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod