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

Codelab: ロジスティック回帰

Codelab:

ロジスティック回帰

この Codelab について

最終更新: 11月 21, 2023

Google 社員により作成

1. はじめに

この Codelab では、性別、年齢層、インプレッション時刻、ブラウザの種類といった要素と、ユーザーが広告をクリックする確率との相関性の度合いを、ロジスティック回帰によって理解する方法を解説します。

前提条件

この Codelab を完了するには、モデルを作成するのに十分な量の高品質なキャンペーンデータが必要になります。

2. キャンペーンを選択

まず、十分な量の高品質なデータを含む古いキャンペーンを選びます。最良のデータを含むキャンペーンがわからない場合は、アクセス可能なデータの中で最も古い月（月の最初から最後までデータが揃っているもの）に対して、次のクエリを実行します。

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

ORDER BY user_count DESC;

12～13 か月前のデータを選択すれば、Ads Data Hub からまもなく削除されるデータを使ってモデルのトレーニングとテストを行うことができます。このデータでモデルトレーニングの制限に達しても、データの削除とともに制限も終了します。

特にアクティブなキャンペーンなら、1 週間分のデータで十分なこともあります。最後に、ユーザーの正味人数が 100,000 人以上になるようにしましょう。このことは、多数の機能を使ってトレーニングを行う場合に特に重要です。

3. 一時テーブルを作成

モデルのトレーニングに使うキャンペーンを決めたら、以下のクエリを実行します。

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. モデルを作成してトレーニング

テーブル作成のステップとモデル作成のステップは分けておくことをおすすめします。

前のステップで作成した一時テーブルに対して、次のクエリを実行します。開始日と終了日は一時テーブル内のデータから自動的に推測されるため、指定しなくても問題ありません。

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. 結果の解釈

クエリの実行が完了すると、以下のようなテーブルが得られます（内容はキャンペーンに応じて異なります）。

行	precision	recall	accuracy	f1_score	log_loss	roc_auc
1	0.53083894341399718	0.28427804486705865	0.54530547622568992	0.370267971696336	0.68728232223722974	0.55236263736263735

比重を検証

以下のクエリを実行して比重を確認し、モデルのクリック発生予測において考慮されている要素を調べましょう。

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

クエリの結果は以下のようになります。各ラベルはソートされ、最も小さいものが 0、最も大きいものが 1 に設定されていることに注意しましょう。この例では、clicked が 0、not_clicked が 1 になっています。このため、比重が大きいものはクリック発生の確率を下げる要素と解釈することができます。また、day_of_week については 1 が日曜日に対応します。

processed_input	weight	category_weights.category	category_weights.weight
1	INTERCEPT	-0.0067900886484743364
2	browser_name	null	unknown 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	hour	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	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

戻る

誤りを報告