第一個 CTR 模型
在這個練習中，你會針對 Avazu 資料集，用決策樹建立第一個 CTR 模型，並使用 sklearn 的 accuracy_score() 評估模型的準確率。此外，你會使用 sklearn 的 train_test_split() 來切分訓練與測試資料，而不是像前面一樣手動指定切分點。
在你的工作區中，已載入以 DataFrame 形式的範例資料 df，以及 sklearn 與作為 pd 的 pandas。
我們會先做基本的訓練／測試切分，並用準確率來評估結果。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 分別將
X和y定義為特徵與目標，目標來源為click欄位。 - 使用
train_test_split(X, y)將資料切分為訓練集與測試集。 - 建立一個決策樹分類器。
- 使用分類器產生預測，並評估其預測的準確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))