เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างฟีเจอร์ใหม่

Feature engineering ยังรวมถึงการสร้างฟีเจอร์ใหม่โดยตรงด้วย ซึ่งเป็นสิ่งสำคัญ เพราะโมเดลอาศัยฟีเจอร์เหล่านี้ในการทำนายได้อย่างแม่นยำ ในแบบฝึกหัดนี้ จะตรวจสอบคุณสมบัติของสามคอลัมน์ที่ปรากฏเป็นจำนวนเต็มในข้อมูล แต่แท้จริงแล้วแทนค่าเชิงหมวดหมู่ ได้แก่ search_engine_type, product_type และ advertiser_type จากนั้นจะสร้าง count features สำหรับทั้ง 3 คอลัมน์นี้ รวมถึง device_id และ site_id ด้วย count features เหล่านี้แทนจำนวนคลิกของแต่ละคอลัมน์ และจะนำไปใช้ในการทำนายในภายหลัง

โมดูล pandas พร้อมใช้งานในชื่อ pd และ DataFrame ตัวอย่างถูกโหลดไว้ในชื่อ df แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แสดงจำนวนค่าทั้งหมดและจำนวนค่าที่ไม่ซ้ำกันของแต่ละฟีเจอร์ในลิสต์ feature_list
  • สร้างฟีเจอร์ใหม่จากฟีเจอร์ในลิสต์ new_feature_list โดยนับจำนวนคลิกของแต่ละฟีเจอร์ด้วย .transform()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Get counts of total and unique values for given features
feature_list = ["search_engine_type", "product_type", "advertiser_type"]
for feature in feature_list:
	print(df[feature].____)
	print(df[feature].____)

# Define new features as counts
new_feature_list = ['device_id', 'site_id'] + feature_list
for new_feature in new_feature_list:
  df[new_feature + '_count'] = df.____(
    new_feature)['click'].____("count")
print(df.head(5))
แก้ไขและรันโค้ด