BaşlayınÜcretsiz başlayın

İlk CTR modeli

Bu egzersizde, Avazu veri kümesi üzerinde bir karar ağacı kullanarak ilk CTR modelini kuracak ve modelin doğruluğunu sklearn içindeki accuracy_score() ile değerlendireceksin. Ayrıca, daha önce yaptığın gibi elle bir bölme noktası tanımlamak yerine, eğitim ve test verilerini ayırmak için sklearn içindeki train_test_split() fonksiyonunu kullanacaksın.

Çalışma alanında, örnek veriler DataFrame olarak df değişkenine, ayrıca sklearn ve pandas da pd takma adıyla yüklenmiş durumda.

Basit bir eğitim-test ayrımı yapıp sonuçlarımızı doğruluk metriğiyle değerlendireceğiz.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning kullanarak TOB tahmini

Kursa Göz Atın

Egzersiz talimatları

  • click sütununa göre sırasıyla özellikler ve hedef olacak şekilde X ve y değişkenlerini tanımla.
  • Veriyi train_test_split(X, y) kullanarak eğitim ve test kümelerine ayır.
  • Bir karar ağacı sınıflandırıcısı oluştur.
  • Sınıflandırıcıyla tahminler üret ve bu tahminlerin doğruluğunu değerlendir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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))
Kodu Düzenle ve Çalıştır