第一个 CTR 模型
在本练习中，您将基于 Avazu 数据集使用决策树构建第一个 CTR 模型，并使用 sklearn 中的 accuracy_score() 评估模型的准确率。此外，您将使用 sklearn 的 train_test_split() 来划分训练集和测试集，而不是像之前那样手动指定分割点。
在您的工作区中，已经以 DataFrame 形式加载了示例数据 df，并导入了 sklearn 与 pandas（命名为 pd）。
我们将进行一次基础的训练/测试划分，并用准确率来评估结果。
本练习是课程的一部分
用 Python 预测 CTR 的机器学习实战
练习说明
- 基于
click列分别定义特征X与目标变量y。 - 使用
train_test_split(X, y)将数据划分为训练集和测试集。 - 创建一个决策树分类器。
- 使用该分类器生成预测，并评估其预测的准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))