เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดล CTR แรก

ในแบบฝึกหัดนี้ จะได้สร้างโมเดล CTR แรกบนชุดข้อมูล Avazu โดยใช้ decision tree และประเมินความแม่นยำของโมเดลด้วย accuracy_score() จาก sklearn นอกจากนี้ยังใช้ train_test_split() จาก sklearn เพื่อแบ่งข้อมูล training และ testing แทนการกำหนดจุดแบ่งด้วยตนเองเหมือนก่อนหน้านี้

ใน workspace มีข้อมูลตัวอย่างในรูปแบบ DataFrame โหลดไว้เป็น df พร้อมกับ sklearn และ pandas ในชื่อ pd

เราจะแบ่งข้อมูลสำหรับ training และ testing แบบพื้นฐาน แล้วประเมินผลลัพธ์โดยใช้ค่าความแม่นยำ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด X และ y ให้เป็นฟีเจอร์และตัวแปรเป้าหมายตามลำดับ โดยอิงจากคอลัมน์ click
  • แบ่งข้อมูลออกเป็นชุด training และ testing โดยใช้ train_test_split(X, y)
  • สร้าง decision tree classifier
  • สร้างการพยากรณ์โดยใช้ classifier และประเมินความแม่นยำของผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด