Розподіли за CTR
Для будь-якої окремої ознаки корисно переглянути і її розподіл, і те, як вона змінюється відносно цільової змінної. У цій вправі ви дослідите ознаку search_engine_type, яка є цілим числом, що позначає пошукову систему, наприклад Google чи Bing, за допомогою якої користувач виявив намір перед показом реклами. Із міркувань приватності ці категорії анонімізовано. Спочатку ви побудуєте та переглянете розподіл search_engine_type. Далі подивитеся, як CTR змінюється залежно від значення search_engine_type, подібно до того, як у попередньому розділі ви розглядали розбивку CTR за типом пристрою та позицією банера.
Прикладні дані у вигляді датафрейму завантажено як df. Бібліотека pandas як pd також доступна у вашому робочому середовищі.
Ця вправа є частиною курсу
Прогнозування CTR за допомогою машинного навчання в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Construct bar chart for clicks by search engine type
se_df = df.____(['search_engine_type', 'click']).size().unstack()
se_df.plot(kind = 'bar', title = 'Value frequency for search engine type')
plt.show()