小白入门篇使用Python搭建点击率预估模型
176 浏览量
2020-09-20
01:49:28
上传
评论 1
收藏 245KB PDF 举报
小白入门篇使用小白入门篇使用Python搭建点击率预估模型搭建点击率预估模型
本文将从零开始，仅仅利用基础的numpy库，使用Python实现一个最简单的神经网络(或者说是简易的LR，因为
LR就是一个单层的神经网络)，解决一个点击率预估的问题。感兴趣的朋友跟随小白一起看看吧
点击率预估模型
0.前言前言
本篇是一个基础机器学习入门篇文章，帮助我们熟悉机器学习中的神经网络结构与使用。
日常中习惯于使用Python各种成熟的机器学习工具包，例如sklearn、TensorFlow等等，来快速搭建各种各样的机器学习模型
来解决各种业务问题。
本文将从零开始，仅仅利用基础的numpy库，使用Python实现一个最简单的神经网络(或者说是简易的LR，因为LR就是一个单
层的神经网络)，解决一个点击率预估的问题。
1.假设一个业务场景假设一个业务场景
声明：为了简单起见，下面的一切设定从简….
定义需要解决的问题：
老板：小李，这台机器上有一批微博的点击日志数据，你拿去分析一下，然后搞点击率预测啥的…
是的，就是预测一篇微博是否会被用户点击(被点击的概率)…..预测未来，貌似很神奇的样子！
热门微博热门微博
简单的介绍一下加深的业务数据
每一条微博数据有由三部分构成： {微博id, 微博特征X, 微博点击标志Y}
微博特征X有三个维度：
X={x0="该微博有娱乐明星”，x1="该微博有图”，x2="该微博有表情”}
微博是否被点击过的标志Y：
Y={y0=“点击”, y1=“未点击”}
数据有了，接下来需要设计一个模型，把数据输入进去进行训练之后，在预测阶段，只需要输入{微博id,微博特征X}，模型就
会输出每一个微博id会被点击的概率。
2.任务分析：任务分析：
这是一个有监督的机器学习任务
对于有监督的机器学习任务，可以简单的分为分类与回归问题，这里我们简单的想实现预测一条微博是否会被用户点击，预测
评论0
最新资源