【機(jī)器學(xué)習(xí)】CTR，一個(gè)極其重要的算法項(xiàng)目??！
今兒聊聊點(diǎn)擊率的一些技術(shù)點(diǎn)！
之前我們同事自從去了某手后，一直做的是點(diǎn)擊率預(yù)估這塊的技術(shù)，很多人知道，這塊屬于核心技術(shù)。無論是對(duì)于互聯(lián)網(wǎng)廣告，還是推薦類項(xiàng)目。
點(diǎn)擊率預(yù)估這樣的項(xiàng)目，一般是屬于是一個(gè)一直維護(hù)，不斷優(yōu)化的項(xiàng)目。
點(diǎn)擊率預(yù)估是在線廣告領(lǐng)域的重要問題，它涉及到預(yù)測用戶是否會(huì)點(diǎn)擊特定廣告。在這個(gè)案例中，我們將探討一個(gè)點(diǎn)擊率預(yù)估的實(shí)際項(xiàng)目。
點(diǎn)擊率預(yù)估項(xiàng)目：預(yù)測用戶點(diǎn)擊在線廣告的概率
原理
點(diǎn)擊率預(yù)估的核心思想是通過構(gòu)建機(jī)器學(xué)習(xí)模型，利用廣告相關(guān)的特征來預(yù)測用戶是否會(huì)點(diǎn)擊廣告。這通常涉及到二分類問題，其中正類別表示用戶點(diǎn)擊廣告，負(fù)類別表示用戶不點(diǎn)擊廣告。點(diǎn)擊率（CTR）是用戶點(diǎn)擊廣告的概率。我們可以使用邏輯回歸等分類算法來解決這個(gè)問題。
涉及公式
CTR的計(jì)算公式為：
在點(diǎn)擊率預(yù)估中，我們希望構(gòu)建一個(gè)模型來預(yù)測CTR，通常使用邏輯回歸模型。邏輯回歸通過對(duì)廣告相關(guān)特征的線性組合，應(yīng)用邏輯函數(shù)來輸出一個(gè)點(diǎn)擊的概率值，范圍在0到1之間。具體的公式如下：
其中 表示點(diǎn)擊的概率， 是廣告相關(guān)的特征， 是模型的權(quán)重參數(shù)。
數(shù)據(jù)準(zhǔn)備
-
數(shù)據(jù)收集：收集包含廣告特征和點(diǎn)擊信息的數(shù)據(jù)集。這些特征可以包括廣告的文本描述、廣告主信息、廣告位信息、用戶信息等。 -
數(shù)據(jù)清洗：處理缺失值、異常值，進(jìn)行特征工程，例如特征選擇和轉(zhuǎn)換，以及處理類別型特征的獨(dú)熱編碼。 -
數(shù)據(jù)劃分：將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集。
模型訓(xùn)練
在模型訓(xùn)練階段，我們使用訓(xùn)練集數(shù)據(jù)來擬合邏輯回歸模型。
訓(xùn)練的步驟：
-
特征工程：對(duì)特征進(jìn)行預(yù)處理，例如歸一化、標(biāo)準(zhǔn)化等。 -
模型訓(xùn)練：使用訓(xùn)練集數(shù)據(jù)擬合邏輯回歸模型，估計(jì)權(quán)重參數(shù) 。 -
模型評(píng)估：使用驗(yàn)證集數(shù)據(jù)來評(píng)估模型性能，通常使用指標(biāo)如AUC、準(zhǔn)確率、召回率等。
代碼案例
以下是一個(gè)點(diǎn)擊率預(yù)估的示例Python代碼。
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score, accuracy_score, roc_curve # 添加 roc_curve
import matplotlib.pyplot as plt
# 創(chuàng)建虛擬數(shù)據(jù)集
np.random.seed(42)
n_samples = 1000
n_features = 5
X = np.random.randn(n_samples, n_features)
y = (np.random.rand(n_samples) > 0.5).astype(int)
# 劃分?jǐn)?shù)據(jù)集
X_train, X_temp, y_train, y_temp = train_test_split(X, y, test_size=0.3, random_state=42)
X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, test_size=0.5, random_state=42)
# 訓(xùn)練邏輯回歸模型
model = LogisticRegression()
model.fit(X_train, y_train)
# 預(yù)測概率
y_pred_proba = model.predict_proba(X_val)[:, 1]
# 評(píng)估模型性能
roc_auc = roc_auc_score(y_val, y_pred_proba)
accuracy = accuracy_score(y_val, (y_pred_proba > 0.5).astype(int))
print(f"ROC AUC: {roc_auc}")
print(f"Accuracy: {accuracy}")
# 可視化ROC曲線
fpr, tpr, thresholds = roc_curve(y_val, y_pred_proba)
plt.figure()
plt.plot(fpr, tpr, lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic')
plt.legend(loc="lower right")
plt.show()
這段代碼創(chuàng)建了一個(gè)虛擬數(shù)據(jù)集，訓(xùn)練了邏輯回歸模型，并評(píng)估了模型性能。
最后，繪制了ROC曲線以可視化性能。
上面的代碼示例中，我們使用了matplotlib庫來繪制ROC曲線，以可視化模型的性能。
ROC曲線是評(píng)估分類模型性能的常用工具，顯示了不同閾值下的真正例率和假正例率。ROC曲線下的面積（AUC）通常用于量化模型性能。
這個(gè)案例提供了一個(gè)點(diǎn)擊率預(yù)估的簡單示例，實(shí)際項(xiàng)目中，一定會(huì)處理更多的特征工程、數(shù)據(jù)清洗、模型調(diào)參等任務(wù)。
此外，數(shù)據(jù)集通常會(huì)更大，且模型訓(xùn)練可能需要分布式計(jì)算。點(diǎn)擊率預(yù)估在在線廣告和推薦系統(tǒng)中有廣泛應(yīng)用，可幫助廣告商更好地定位目標(biāo)受眾并提高廣告點(diǎn)擊率。
最后
今天分享了常規(guī)情況下，點(diǎn)擊率預(yù)估的方式。
如果你覺得有用，老規(guī)矩：點(diǎn)贊+分享給更多需要的朋友。
今天先這樣，下期見！
往期精彩回顧
交流群
歡迎加入機(jī)器學(xué)習(xí)愛好者微信群一起和同行交流，目前有機(jī)器學(xué)習(xí)交流群、博士群、博士申報(bào)交流、CV、NLP等微信群，請(qǐng)掃描下面的微信號(hào)加群，備注：”昵稱-學(xué)校/公司-研究方向“，例如：”張小明-浙大-CV“。請(qǐng)按照格式備注，否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~（也可以加入機(jī)器學(xué)習(xí)交流qq群772479961）