专栏首页AI星球从零开始用Python搭建超级简单的点击率预估模型

从零开始用Python搭建超级简单的点击率预估模型

点击率预估模型

0.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

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


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:

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,预测目标是一个二值类别:点击,或者不点击,显然可以当做一个分类问题。

所以,我们需要搭建一个分类模型(点击率预测模型),这也就决定我们需要构建一个有监督学习的训练数据集。

模型的选择 选择最简单神经网络模型,人工神经网络有几种不同类型的神经网络,比如前馈神经网络、卷积神经网络及递归神经网络等。本文将以简单的前馈或感知神经网络为例,这种类型的人工神经网络是直接从前到后传递数据的,简称前向传播过程。

3.数据准备:

整体的流程:

数据预处理(数值化编码)——>特征筛选——>选择模型(前馈神经网络)——>训练模型——>模型预测

假设,对4条微博的数据进行数值化编码,可以表示为如下的矩阵格式:

训练数据XY

解读一条样本数据:

第一条样本数据为:X0=[0 0 1],分别对应着三维的特征,最后4x1的矩阵是Y,0表示无,1表示有,可知该特征对应的Y0是未点击。

所以,这条样本可以翻译为:[该微博没娱乐明星,没有图片,有表情],最终y=0,代表该条微博没有被点击。

业务以及数据特征是不是很简单….简单有点看起来编的不太合理-!


4.神经网络基本结构:

1.输入层:输入的业务特征数据 2.隐藏层:初始化权重参数 3.激活函数:选择激活函数 4.输出层:预测的目标,定义损失函数

我们即将使用的机器学习模型:

超级简单的前馈神经网络

机器学习模型类似一个黑盒子,输入历史点击的数据,进行训练,然后就可以对未来的额数据进行预测….我们上面设计的是一个超级简单的前馈神经网络,但是可以实现我们上面的目的。

关于激活函数:

通过引入激活函数,实现了非线性变换,增强了模型的拟合效果。

关乎激活函数,请看之前的文章吾爱NLP(2)--解析深度学习中的激活函数 在本文教程中,使用的是简单的Sigmoid激活函数,但注意一点,在深层神经网络模型中, sigmoid激活函数一般不作为首选,原因是其易发生梯度弥散现象。

sigmoid公式

此函数可以将任何值映射到0到1之间,并能帮助我们规范化输入的加权和。

sigmoid图像

对sigmoid激活函数求偏导:

该偏导函数吗,等下写程序会用到,所以先放在这里!

模型的训练

训练阶段,模型的输入X已经确定,输出层的Y确定,机器学习模型确定,唯一需要求解的就是模型中的权重W,这就是训练阶段的目标。

主要由三个核心的流程构成:

前向计算—>计算损失函数—>反向传播

本文使用的模型是最简单的前馈神经网络,起始就是一个LR而已….所以整个过程这里就不继续介绍了,因为之前已经写过一篇关于LR的文章---逻辑回归(LR)个人学习总结篇,如果对其中的细节以及公式的推导有疑问,可以去LR文章里面去寻找答案。

这里再提一下权重参数W更新的公式:

至此,所有的写代码需要的细节都已经交代结束了,剩下的就是代码了。

5.使用Python代码构建网络

# coding:utf-8
import numpy as np 

class NeuralNetwork(): 
    # 随机初始化权重
    def __init__(self): 
        np.random.seed(1) 
        self.synaptic_weights = 2 * np.random.random((3, 1)) - 1 
    
    # 定义激活函数:这里使用sigmoid
    def sigmoid(self, x):  
        return 1 / (1 + np.exp(-x)) 
    
    #计算Sigmoid函数的偏导数 
    def sigmoid_derivative(self, x): 
        return x * (1 - x)
    
    # 训练模型 
    def train(self, training_inputs, training_outputs,learn_rate, training_iterations): 
        # 迭代训练
        for iteration in range(training_iterations): 
            #前向计算 
            output = self.think(training_inputs) 
            # 计算误差 
            error = training_outputs - output 
            # 反向传播-BP-微调权重 
            adjustments = np.dot(training_inputs.T, error * self.sigmoid_derivative(output)) 
            self.synaptic_weights += learn_rate*adjustments 
    
    def think(self, inputs): 
        # 输入通过网络得到输出 
        # 转化为浮点型数据类型 
        inputs = inputs.astype(float) 
        output = self.sigmoid(np.dot(inputs, self.synaptic_weights)) 
        return output 

if __name__ == "__main__": 
    # 初始化前馈神经网络类 
    neural_network = NeuralNetwork() 
    print "随机初始化的权重矩阵W"
    print neural_network.synaptic_weights
    # 模拟训练数据X
    train_data=[[0,0,1], [1,1,1], [1,0,1], [0,1,1]]
    training_inputs = np.array(train_data) 
    # 模拟训练数据Y
    training_outputs = np.array([[0,1,1,0]]).T 
    # 定义模型的参数:
    # 参数学习率
    learn_rate=0.1
    # 模型迭代的次数
    epoch=150000
    neural_network.train(training_inputs, training_outputs, learn_rate, epoch) 
    print "迭代计算之后权重矩阵W: "
    print neural_network.synaptic_weights
    # 模拟需要预测的数据X
    pre_data=[0,0,1]
    # 使用训练的模型预测该微博被点击的概率
    print "该微博被点击的概率:"
    print neural_network.think(np.array(pre_data))

"""
终端输出的结果:
随机初始化的权重矩阵W
[[-0.16595599]
 [ 0.44064899]
 [-0.99977125]]
迭代计算之后权重矩阵W: 
[[12.41691302]
 [-0.20410552]
 [-6.00463275]]
该微博被点击的概率:
[0.00246122]
[Finished in 20.2s]
"""

6.总结:

根据终端输出的模型训练以及预测的结果,针对预测数据pre_data=[0,0,1],模型输出该微博被点击的概率为0.00246,很显然被点击的概率比较小,可以认为简单认为该微博不会被点击!

是的,我们的业务目标初步实现了----输入任意一条微博的样本数据到我们的机器学习模型中,既可以输出该样本被点击的概率。

上面的就是我们设计的一个超级简单的模型,假设了一个超级简单的业务场景,并随机设定了超简单的训练数据,如果有 的不合理地方多多包涵!!!该例子虽然可能并不能帮你解决实际的业务问题,但是对于机器学习的新手理解神经网络,或许会有一点点帮助吧!

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • [转载]深度学习技术在文本数据智能处理中的实践

    人工智能目前的三个主要细分领域为图像、语音和文本,老师分享的是达观数据所专注的文本智能处理领域。文本智能处理,亦即自然语言处理,试图让机器来理解人类的语言,而语...

    流川枫
  • MacBook Pro 为什么值得我写一篇博文——程序猿使用感悟

    研究生生涯伊始,撑过大学四年的 Dell 灵越 N4050 笔记本电脑就再次罢工了,一直想换电脑的冲动终于要付诸行动了,本来准备再换一个性价比比较高的 win ...

    流川枫
  • 词向量(1)--从Word2Vec到ELMo

    若你是做NLP的,一定对词向量很亲切,若你是做推荐的,对词向量也一定不会陌生,以词向量为代表的序列向量化方法已经成为机器学习中必不可少的实战利器。

    流川枫
  • 语义分割DeepLab v2

    DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convol...

    用户1148525
  • 【前端面筋】终于等到你!!!

    之前一直在牛客刷面筋,今天终于自己也写了一篇,算是秋招的总结吧。希望大家都能顺利拿到自己想要的offer! lz本科妹子,从没有想过要当程序员......无奈非...

    牛客网
  • split-brain 脑裂问题(Keepalived)

    脑裂(split-brain) 指在一个高可用(HA)系统中,当联系着的两个节点断开联系时,本来为一个整体的系统,分裂为两个独立节点,这时两个节点开始争抢共享资...

    洗尽了浮华
  • pycharm不自动提示代码

    今天在使用pycharm写代码的时候,发现代码不会自动提示了,这对于我这个伪程序员来说,着实痛苦,所以就翻了一下设置和资料,把代码自动提示恢复出来。

    行 者
  • Debian Buster 10.2 发布: 合计115项改进

    Debian项目团队于今天发布了Debian GNU/Linux 10 “Buster”分支的第二个维护版本更新,和此前版本更新相隔2个多月时间。为那些想要在新...

    Debian社区
  • wpay区块链钱包模式软件开发

    wpay区块链钱包模式软件开发《何琳:1 5 2微1 7 3 1电6 7 0 7》wpay钱包区块链系统开发、wpay钱包软件系统开发、wpay钱包模式软件开...

    用户3569440
  • kubernetes学习记录(9)——集群基于CA签名的安全设置

    最近在使用RC的时候碰到了一个问题:创建RC后无法自动创建Pod 网上搜索,得到出现该问题的原因是:身份认证。 解决的办法有两种:(1)跳过认证(2)解...

    胡了了

扫码关注云+社区

领取腾讯云代金券