See what premium Google Developer Program benefits can do for you. Learn more

Programovací laboratoř logistické regrese

Informace o této programovací laboratoři

Naposledy aktualizováno lis 21, 2023

Napsal zaměstnanec společnosti Google

1. Úvod

V této programovací laboratoři se naučíte zjišťovat pomocí logistické regrese, do jaké míry korelují různé faktory, například pohlaví, věková skupina, čas zobrazení a typ prohlížeče, s pravděpodobností, že uživatel klikne na reklamu.

Požadavky

K dokončení této programovací laboratoře budete potřebovat dostatek vysoce kvalitních dat o kampani, abyste mohli vytvořit model.

2. Výběr kampaně

Nejprve vyberte starou kampaň s velkým množstvím kvalitních dat. Pokud nevíte, která kampaň nejspíš obsahuje nejlepší data, spusťte níže uvedený dotaz na nejstarších datech za celý měsíc, k nimž máte přístup:

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

ORDER BY user_count DESC;

Jestliže vyberete data stará 12–13 měsíců, budete svůj model moci natrénovat a otestovat na datech, která budou ze služby Ads Data Hub brzy odstraněna. Pokud se u těchto dat setkáte s limity pro trénování modelu, skončí po odstranění dat i tyto limity.

V případě, že je kampaň zvláště aktivní, mohou stačit data za pouhý týden. Dále doporučujeme použít data s alespoň 100 000 unikátními uživateli, zejména pokud při tréninku používáte mnoho funkcí.

3. Vytvoření dočasné tabulky

Až se rozhodnete, kterou kampaň použijete pro trénování modelu, spusťte níže uvedený dotaz.

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. Vytvoření a trénování modelu

Doporučujeme postup vytváření tabulky oddělit od postupu vytváření modelu.

Na dočasné tabulce vytvořené v předchozím kroku spusťte níže uvedený dotaz. Data zahájení ani ukončení nemusíte zadávat, budou určena podle dat v dočasné tabulce.

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. Interpretace výsledků

Po skončení dotazu získáte tabulku, která vypadá podobně jako ta níže uvedená. Výsledky z vaší kampaně však budou odlišné.

Row (řádek)	precision (přesnost)	recall (výbavnost)	accuracy (správnost)	f1_score	log_loss	roc_auc
1	0,53083894341399718	0,28427804486705865	0,54530547622568992	0,370267971696336	0,68728232223722974	0,55236263736263735

Prozkoumání vah

Jestliže se chcete podívat na váhy a zjistit, které funkce přispívají k pravděpodobnosti, že váš model předpoví kliknutí, spusťte tento dotaz:

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

Dotaz vrátí výsledky podobné těm uvedeným níže. Nástroj BigQuery jednotlivé štítky seřadí, jako „nejmenší“ vybere 0 a jako největší 1. V tomto případě odpovídá 0 hodnotě „clicked“ (kliknuto) a 1 hodnotě „not_clicked“ (nekliknuto). Větší váhy tedy znamenají, že příslušná funkce zmenšuje pravděpodobnost kliknutí. Den 1 znamená neděli.

processed_input (zpracovaný vstup)	weight (váha)	category_weights.category (váhová kategorie: kategorie)	category_weights.weight (váhová kategorie: váha)
1	INTERCEPT	−0,0067900886484743364
2	název prohlížeče	null	neznámý 0,78205563068099249
			Opera 0,097073700069504443
			Dalvik −0,75233190448454246
			Edge 0,026672464688442348
			Silk −0,72539916969348706
			Jiný −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 (den v týdnu)	null	7 0,051780350639992277
			6 −0,098905011477176716
			4 −0,092395178188358462
			5 −0,010693625983554155
			3 −0,047629987110766638
			1 −0,0067030673140933122
			2 0,061739400111810727
4	hour (hodina)	null	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 (věková skupina: název)	null	45–54 −0,013192901125032637
			65+ 0,035681341407469279
			25–34 −0,044038102549733116
			18–24 −0,041488170110836373
			Neznámá 0,025466344709472313
			35–44 0,01582412778809188
			55–64 −0,004832373590628946
6	gender_name (pohlaví: název)	null	male (muž) 0,061475274448403977
			unknown (neznámé) 0,46660611583398443
			female (žena) −0,13635601771194916

Zpět

Další

Report a mistake