ПочатиПочніть безкоштовно

Розминка: порівняння моделей

У цій вправі ви виконаєте базове порівняння чотирьох категорій результатів між MLP і Random Forest, використовуючи матрицю неточностей. Це підготовка до аналізу всіх моделей, які ми розглядали. Виконавши цю розминку, ви зможете порівняти підходи до реалізації цих моделей та їх оцінювання для прогнозування CTR.

У робочому просторі підготовлено тренувальні й тестові розбиття для X та y: X_train, X_test для X і відповідно y_train, y_test для y. Пам'ятайте: X містить наші спроєктовані ознаки з інформацією про користувача, пристрій і сайт, а y містить ціль (чи було оголошення клікнуто). X уже масштабовано за допомогою StandardScaler(). Для майбутніх моделей прогнозування CTR оголошень налаштування буде аналогічним.

Ця вправа є частиною курсу

Прогнозування CTR за допомогою машинного навчання в Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)
Редагувати та запускати код