首页
学习
活动
专区
工具
TVP
发布
社区首页 >问答首页 >keras的多重营销属性

keras的多重营销属性
EN

Stack Overflow用户
提问于 2018-08-28 00:31:21
回答 1查看 94关注 0票数 1

我有几次参加了A, B, C的三个营销活动的试用。假设营销事件是独立的,每个事件都有自己的转换概率p_A,p_B,p_C。

代码语言:javascript
复制
campaigns = {
    'A': 0.1, # name, conversion probability
    'B': 0.2,
    'C': 0.4,
}

一些用户转换为付费帐户。

我有一个数据帧,当每行是一个用户,列是用户接触过特定活动的次数。

代码语言:javascript
复制
   A  B  C  converted
0  3  1  0       True
1  0  0  1      False
2  3  1  1       True
3  1  3  2      False
4  1  0  0      False 

在这种情况下,总转换概率为:

代码语言:javascript
复制
1 - (1 - p_A) ** A * (1 - p_B) ** B * (1 - p_C) ** C

估计原始p_A, p_B, p_C的最佳方法是什么

我正在寻找一些keras解决方案,但我不确定如何设置自定义的幂/指数层。我认为模型应该是这样的:

代码语言:javascript
复制
1 - (w_1 ** A) * (w_2 ** B) * (w_3 ** C) ~ predicted probability

但是在keras中既没有标准的能力,也没有产品层。

生成完整示例的Python代码:

代码语言:javascript
复制
import numpy as np
import pandas as pd

np.random.seed(4)
n = 1000
data = pd.DataFrame(np.zeros(n), columns=['prob'])

campaigns = {
    'A': 0.1,
    'B': 0.2,
    'C': 0.4,
}

for campaign, conversion in campaigns.items():
    data[campaign] = np.random.geometric(1 / (1 + .5), n) - 1
    data['prob'] = 1 - (1 - data['prob']) * (1 - conversion) ** data[campaign]

data['converted'] = np.random.rand(n) < data['prob']
print(data.head())   

       prob  A  B  C  converted
0  0.416800  3  1  0       True
1  0.400000  0  0  1      False
2  0.650080  3  1  1       True
3  0.834112  1  3  2      False
4  0.100000  1  0  0      False
EN

回答 1

Stack Overflow用户

发布于 2018-08-28 03:13:40

代码语言:javascript
复制
from keras import backend as K
from keras.engine.topology import Layer
import numpy as np
from keras.backend import pow

class MyLayer(Layer):

    def __init__(self, output_dim, **kwargs):
        self.output_dim = output_dim
        super(MyLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        self.kernel = self.add_weight(name='kernel',
                                      shape=(input_shape[1], self.output_dim),
                                      initializer='uniform',
                                      trainable=True)
        super(MyLayer, self).build(input_shape)  # Be sure to call this at the end

    def call(self, x):
        A,B,C,w_1,w_2,w_3=x[0],x[1],x[2],self.kernel[0],self.kernel[1],self.kernel[2]
        return  (1-(pow(w_1, A))*(pow(w_2, B))*(pow(w_3, C)))

    def compute_output_shape(self, input_shape):
        return (input_shape[0], self.output_dim)

这一层表示这个公式:

代码语言:javascript
复制
1 - (w_1 ** A) * (w_2 ** B) * (w_3 ** C) ~ predicted probability

https://keras.io/layers/writing-your-own-keras-layers/这是我使用的模板,我唯一需要修改的就是调用函数。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/52043511

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档