ПочатиПочніть безкоштовно

Перша модель для CTR

У цій вправі ви побудуєте першу модель для CTR на наборі даних Avazu з використанням дерева рішень і оціните точність моделі за допомогою accuracy_score() зі sklearn. Додатково ви застосуєте train_test_split() зі sklearn, щоб розділити дані на тренувальні та тестові замість ручного задання точки поділу, як раніше.

У вашому робочому середовищі зразкові дані у вигляді датафрейма завантажено як df, а також доступні sklearn і pandas як pd.

Ми виконаємо базовий поділ на тренування і тест та оцінимо результати за метрикою точності.

Ця вправа є частиною курсу

Прогнозування CTR за допомогою машинного навчання в Python

Переглянути курс

Інструкції до вправи

  • Визначте X і y як ознаки та ціль відповідно на основі стовпця click.
  • Розбийте дані на тренувальну і тестову вибірки за допомогою train_test_split(X, y).
  • Створіть класифікатор на основі дерева рішень.
  • Згенеруйте передбачення за допомогою класифікатора та оцініть точність його передбачень.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))
Редагувати та запускати код