เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การเปรียบเทียบโมเดลเบื้องต้น

ในแบบฝึกหัดนี้ จะทำการเปรียบเทียบผลลัพธ์ 4 ประเภทระหว่าง MLP และ Random Forest โดยใช้ confusion matrix เพื่อเตรียมพร้อมสำหรับการวิเคราะห์โมเดลทั้งหมดที่เรียนมา การทำแบบฝึกหัดนี้จะช่วยให้เปรียบเทียบการใช้งานโมเดลและการประเมินผลสำหรับการทำนาย CTR ได้อย่างชัดเจน

ใน workspace มีข้อมูลที่แบ่งเป็นชุด training และ testing สำหรับ X และ y ได้แก่ X_train, X_test และ y_train, y_test ตามลำดับ X มี features ที่สร้างขึ้นจากข้อมูลผู้ใช้ อุปกรณ์ และเว็บไซต์ ส่วน y มีค่าเป้าหมาย (ว่าโฆษณาถูกคลิกหรือไม่) X ได้รับการ scale แล้วด้วย StandardScaler() สำหรับโมเดลทำนาย CTR ในอนาคต การตั้งค่าจะเป็นแบบเดียวกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด