এই কোডল্যাব সম্পর্কে
1. ভূমিকা
এই কোডল্যাবটি আপনাকে শেখাবে কীভাবে লজিস্টিক রিগ্রেশন ব্যবহার করতে হয় তা বোঝার জন্য যে লিঙ্গ, বয়স গোষ্ঠী, ইম্প্রেশনের সময় এবং ব্রাউজারের প্রকারের মতো বৈশিষ্ট্যগুলি ব্যবহারকারীর বিজ্ঞাপনে ক্লিক করার সম্ভাবনার সাথে সম্পর্কযুক্ত।
পূর্বশর্ত
এই কোডল্যাবটি সম্পূর্ণ করতে, একটি মডেল তৈরি করার জন্য আপনার যথেষ্ট উচ্চ মানের প্রচারাভিযান ডেটার প্রয়োজন হবে৷
2. একটি প্রচার বাছাই করুন
একটি পুরানো প্রচারাভিযান নির্বাচন করে শুরু করুন যাতে প্রচুর পরিমাণে উচ্চ মানের ডেটা রয়েছে৷ আপনি যদি জানেন না কোন প্রচারাভিযানে সর্বোত্তম ডেটা থাকতে পারে, তাহলে আপনার অ্যাক্সেস আছে এমন পুরানো পুরো মাসের ডেটাতে নিম্নলিখিত প্রশ্নটি চালান:
SELECT
campaign_id,
COUNT(DISTINCT user_id) AS user_count,
COUNT(*) AS impression_count
FROM adh.google_ads_impressions
ORDER BY user_count DESC;
পুরানো ডেটা নির্বাচন করা আপনাকে প্রশিক্ষণ এবং ডেটার উপর আপনার মডেল পরীক্ষা করতে দেয় যা শীঘ্রই বিজ্ঞাপন ডেটা হাব থেকে সরানো হবে। আপনি যদি এই ডেটাতে মডেল-প্রশিক্ষণ সীমার সম্মুখীন হন, ডেটা মুছে ফেলা হলে সেই সীমাগুলি শেষ হয়ে যাবে৷
আপনার প্রচারাভিযান বিশেষভাবে সক্রিয় হলে, এক সপ্তাহের ডেটা যথেষ্ট হতে পারে। সবশেষে, স্বতন্ত্র ব্যবহারকারীর সংখ্যা 100,000 বা তার বেশি হওয়া উচিত, বিশেষ করে যদি আপনি অনেক বৈশিষ্ট্য ব্যবহার করে প্রশিক্ষণ নিচ্ছেন।
3. একটি অস্থায়ী টেবিল তৈরি করুন
একবার আপনি আপনার মডেলকে প্রশিক্ষণের জন্য যে প্রচারাভিযানটি ব্যবহার করবেন তা চিহ্নিত করার পরে, নীচের প্রশ্নটি চালান৷
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_clicks 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. একটি মডেল তৈরি এবং প্রশিক্ষণ
আপনার মডেল তৈরির ধাপগুলি থেকে আপনার টেবিল তৈরির ধাপগুলিকে আলাদা করা একটি সর্বোত্তম অনুশীলন।
পূর্ববর্তী ধাপে আপনার তৈরি করা অস্থায়ী টেবিলে নিম্নলিখিত ক্যোয়ারীটি চালান। শুরু এবং শেষের তারিখগুলি দেওয়ার বিষয়ে চিন্তা করবেন না, কারণ এইগুলি অস্থায়ী টেবিলের ডেটার উপর ভিত্তি করে অনুমান করা হবে৷
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. ফলাফল ব্যাখ্যা
ক্যোয়ারীটি চলা শেষ হলে, আপনি নীচেরটির মতো একটি টেবিল পাবেন৷ আপনার প্রচারাভিযান থেকে ফলাফল ভিন্ন হবে.
সারি | নির্ভুলতা | প্রত্যাহার | নির্ভুলতা | f1_স্কোর | log_loss | roc_auc |
1 | ০.৫৩০৮৩৮৯৪৩৪১৩৯৯৭১৮ | 0.28427804486705865 | 0.54530547622568992 | 0.370267971696336 | 0.68728232223722974 | 0.55236263736263735 |
ওজন পরীক্ষা করুন
একটি ক্লিকের পূর্বাভাস দেওয়ার জন্য আপনার মডেলের সম্ভাবনায় কোন বৈশিষ্ট্যগুলি অবদান রাখে তা দেখতে ওজনগুলি দেখতে নিম্নলিখিত ক্যোয়ারীটি চালান:
SELECT * FROM ML.WEIGHTS(MODEL `binary_logistic_example`)
ক্যোয়ারী নিচের মত ফলাফল তৈরি করবে। মনে রাখবেন যে BigQuery প্রদত্ত লেবেলগুলিকে বাছাই করবে এবং 0 হতে "সবচেয়ে ছোট" এবং 1 হতে বৃহত্তম বেছে নেবে৷ এই উদাহরণে, ক্লিক করা হল 0 এবং না_ক্লিক করা হল 1৷ এইভাবে, বৈশিষ্ট্যটি ক্লিকগুলি কম করে এমন একটি ইঙ্গিত হিসাবে বৃহত্তর ওজনকে ব্যাখ্যা করুন৷ সম্ভবত উপরন্তু, দিন 1 রবিবার অনুরূপ.
প্রক্রিয়াকৃত_ইনপুট | ওজন | category_weights.category | category_weights.weight |
1 | ইন্টারসেপ্ট | -0.0067900886484743364 | |
2 | ব্রাউজার_নাম | নাল | অজানা 0.78205563068099249 |
অপেরা 0.097073700069504443 | |||
ডালভিক -0.75233190448454246 | |||
প্রান্ত 0.026672464688442348 | |||
সিল্ক -0.72539916969348706 | |||
অন্যান্য -0.10317444840919325 | |||
স্যামসাং ব্রাউজার 0.49861066525009368 | |||
ইয়ানডেক্স 1.3322608977581121 | |||
IE -0.44170947381475295 | |||
ফায়ারফক্স -0.10372609461557714 | |||
ক্রোম 0.069115931084794066 | |||
সাফারি 0.10931362123676475 | |||
3 | সপ্তাহের_দিন | নাল | 7 0.051780350639992277 |
6 -0.098905011477176716 | |||
4 -0.092395178188358462 | |||
5 -0.010693625983554155 | |||
3 -0.047629987110766638 | |||
1 -0.0067030673140933122 | |||
2 0.061739400111810727 | |||
4 | ঘন্টা | নাল | 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 | বয়স_গোষ্ঠীর_নাম | নাল | 45-54 -0.013192901125032637 |
65+ 0.035681341407469279 | |||
25-34 -0.044038102549733116 | |||
18-24 -0.041488170110836373 | |||
অজানা 0.025466344709472313 | |||
35-44 0.01582412778809188 | |||
55-64 -0.004832373590628946 | |||
6 | লিঙ্গ_নাম | নাল | পুরুষ 0.061475274448403977 |
অজানা 0.46660611583398443 | |||
মহিলা -0.13635601771194916 |