الانحدار اللوجستي: ورشة عمل حول الترميز

1. مقدمة

سيعلّمك هذا الدرس العملي كيفية استخدام الانحدار اللوجستي لفهم مدى ارتباط ميزات مثل الجنس والفئة العمرية ووقت ظهور الإعلان ونوع المتصفح باحتمالية نقر المستخدم على الإعلان.

المتطلبات الأساسية

لإكمال هذا الدرس العملي، ستحتاج إلى بيانات حملة عالية الجودة وكافية لإنشاء نموذج.

2. اختيار حملة

ابدأ باختيار حملة قديمة تحتوي على كمية كبيرة من البيانات العالية الجودة. إذا كنت لا تعرف الحملة التي من المحتمل أن تتضمّن أفضل البيانات، نفِّذ طلب البحث التالي على أقدم شهر كامل من البيانات يمكنك الوصول إليه:

SELECT
  campaign_id,
  COUNT(DISTINCT user_id) AS user_count,
  COUNT(*) AS impression_count
FROM adh.google_ads_impressions

ORDER BY user_count DESC;

يتيح لك اختيار البيانات الأقدم تدريب نموذجك واختباره باستخدام البيانات التي ستتم إزالتها قريبًا من Ads Data Hub. إذا واجهت حدودًا لتدريب النماذج على هذه البيانات، ستنتهي هذه الحدود عند حذف البيانات.

إذا كانت حملتك نشطة بشكل خاص، قد يكون أسبوع واحد من البيانات كافيًا. أخيرًا، يجب أن يكون عدد المستخدمين المختلفين 100,000 أو أكثر، خاصةً إذا كنت تدرب النموذج باستخدام العديد من الميزات.

3- إنشاء جدول مؤقت

بعد تحديد الحملة التي ستستخدِمها لتدريب نموذجك، نفِّذ طلب البحث أدناه.

CREATE TABLE
 binary_logistic_regression_example_data
AS(
 WITH all_data AS (
   SELECT
     imp.user_id as user_id,
     ROW_NUMBER() OVER(PARTITION BY imp.user_id) AS rowIdx,
     imp.browser as browser_name,
     gender_name as gender_name,
     age_group_name as age_group_name,
     DATETIME(TIMESTAMP_MICROS(
       imp.query_id.time_usec), "America/Los_Angeles") as impression_time,
     CASE # Binary classification of clicks simplifies model weight interpretation
        WHEN clk.click_id.time_usec IS NULL THEN 0
        ELSE 1
     END AS label
   FROM adh.google_ads_impressions imp
     LEFT JOIN adh.google_ads_creative_conversions clk USING (impression_id)
     LEFT JOIN adh.gender ON demographics.gender = gender_id
     LEFT JOIN adh.age_group ON demographics.age_group = age_group_id
   WHERE
     campaign_id IN (YOUR_CID_HERE)
 )
 SELECT
   label,
   browser_name,
   gender_name,
   age_group_name,
   # Although BQML could divide impression_time into several useful variables on
   # its own, it may attempt to divide it into too many features. As a best
   # practice extract the variables that you think will be most helpful.
   # The output of impression_time is a number, but we care about it as a
   # category, so we cast it to a string.
   CAST(EXTRACT(DAYOFWEEK FROM impression_time) AS STRING) AS day_of_week,
   # Comment out the previous line if training on a single week of data
   CAST(EXTRACT(HOUR FROM impression_time) AS STRING) AS hour,
 FROM
   all_data
 WHERE
   rowIdx = 1 # This ensures that there's only 1 row per user.
   AND
   gender_name IS NOT NULL
   AND
   age_group_name IS NOT NULL
);

4. إنشاء نموذج وتدريبه

من أفضل الممارسات فصل خطوات إنشاء الجدول عن خطوات إنشاء النموذج.

نفِّذ الاستعلام التالي على الجدول المؤقت الذي أنشأته في الخطوة السابقة. لا داعي للقلق بشأن تقديم تاريخَي البدء والانتهاء، إذ سيتم استنتاجهما استنادًا إلى البيانات الواردة في الجدول المؤقت.

CREATE OR REPLACE
MODEL `binary_logistic_example`
OPTIONS(
   model_type = 'adh_logistic_regression'
)
AS (
   SELECT *
   FROM
       tmp.binary_logistic_regression_example_data
);

SELECT * FROM ML.EVALUATE(MODEL `binary_logistic_example`)

5- تفسير النتائج

عند انتهاء تنفيذ طلب البحث، سيظهر لك جدول يشبه الجدول أدناه. ستختلف النتائج من حملتك.

الصف	الدقة	تذكُّر الإعلان	الدقة	f1_score	log_loss	roc_auc
1	0.53083894341399718	0.28427804486705865	0.54530547622568992	0.370267971696336	0.68728232223722974	0.55236263736263735

فحص القيم التقديرية

نفِّذ طلب البحث التالي للاطّلاع على الأوزان ومعرفة الميزات التي تساهم في احتمالية توقّع النموذج للنقرة:

SELECT * FROM ML.WEIGHTS(MODEL `binary_logistic_example`)

سيؤدي طلب البحث إلى ظهور نتائج مشابهة لتلك الواردة أدناه. يُرجى العِلم أنّ BigQuery سيرتّب التصنيفات المحدّدة ويختار "الأصغر" ليكون 0 والأكبر ليكون 1. في هذا المثال، تكون قيمة clicked هي 0 وقيمة not_clicked هي 1. وبالتالي، فسِّر الأوزان الأكبر على أنّها مؤشر على أنّ الميزة تقلّل من احتمالية حدوث النقرات. بالإضافة إلى ذلك، يتوافق اليوم الأول مع يوم الأحد.

processed_input	الوزن	category_weights.category	category_weights.weight
1	INTERCEPT	-0.0067900886484743364
2	browser_name	قيمة فارغة	غير معروف 0.78205563068099249
			Opera 0.097073700069504443
			Dalvik -0.75233190448454246
			Edge 0.026672464688442348
			Silk -0.72539916969348706
			Other -0.10317444840919325
			Samsung Browser 0.49861066525009368
			Yandex 1.3322608977581121
			IE -0.44170947381475295
			Firefox -0.10372609461557714
			Chrome 0.069115931084794066
			‫Safari 0.10931362123676475
3	day_of_week	null	‫7 0.051780350639992277
			‫6 -0.098905011477176716
			‫4 -0.092395178188358462
			5 -0.010693625983554155
			3 -0.047629987110766638
			1 -0.0067030673140933122
			2 0.061739400111810727
4	ساعة	قيمة فارغة	15 -0.12081420778273
			16 -0.14670467657779182
			1 0.036118460001355934
			10 -0.022111985303061014
			3 0.10146297241339688
			8 0.00032334907570882464
			12 -0.092819888101463813
			19 -0.12158349523248162
			2 0.27252001951689164
			4 0.1389215333278028
			‫18 -0.13202189122418825
			5 0.030387010564142392
			22 0.0085803647602565782
			13 -0.070696534712732753
			14 -0.0912853928925844
			9 -0.017888651719350213
			23 0.10216569641652029
			11 -0.053494611827240059
			20 -0.10800180853273429
			21 -0.070702105471528345
			0 0.011735200996326559
			6 0.016581239381563598
			17 -0.15602138949559918
			7 0.024077394387953525
5	age_group_name	null	‫45-54 -0.013192901125032637
			‫65+ 0.035681341407469279
			‫25-34 -0.044038102549733116
			‫18-24 -0.041488170110836373
			unknown 0.025466344709472313
			35-44 0.01582412778809188
			‫55-64 -0.004832373590628946
6	gender_name	null	male 0.061475274448403977
			unknown 0.46660611583398443
			female -0.13635601771194916