Python ile Machine Learning kullanarak TOB tahmini

Bu bölüm, keşifsel veri analizi (EDA) için temelleri sunar. Örnek verilerle, pandas kütüphanesini kullanarak sütunlara ve veri türlerine bakacak, eksik verileri inceleyecek ve kategorik özelliklerde özellik mühendisliği yapmak için hashing kullanacaksın. Tüm bunlar, daha doğru CTR tahmini için özellikleri keşfederken önemlidir.

Artık daha derine dalma zamanı. Kesinlik (precision) ve duyarlılık (recall) gibi model performans ölçülerini kullanarak, reklam harcamasının yatırım getirisini (ROI) değerlendirmek gibi gerçek dünya sorularını nasıl yanıtlayabileceğini keşfet. Ayrıca, bu değerlendirme metriklerini geliştirme yollarını, örneğin ensemble yöntemleri ve hiperparametre ayarlamasını da öğreneceksin.

Kârlar, kampanyanın CTR’sinden ciddi şekilde etkilenebilir. Bu bölümde, bu riski azaltmak için Deep Learning’in nasıl kullanılabileceğini öğreneceksin. Çok katmanlı algılayıcı (MLP) ve sinir ağı modellerine odaklanacak ve bunların değişkenler arasındaki karmaşık ilişkiyi yakalayarak CTR’yi daha doğru tahmin etmek için nasıl kullanılabileceğini göreceksin. Son olarak, sınıflandırma modellerine temel hiperparametre ayarlaması ve düzenlileştirme (regularization) uygulamanın temellerini keşfedeceksin.