Time to sync up! Tune in for Google I/O on May 14, 2024. Register now.

로지스틱 회귀 Codelab

1. 소개

이 Codelab에서는 로지스틱 회귀를 사용하여 성별, 연령대, 노출 시간, 브라우저 유형 등의 특징과 사용자의 광고 클릭 가능성이 얼마나 관련이 있는지 파악하는 방법을 알아봅니다.

기본 요건

이 Codelab을 완료하려면 모델을 구축하기에 충분한 고품질 캠페인 데이터가 필요합니다.

2. 캠페인 선택

먼저 다량의 고품질 데이터가 포함된 이전 캠페인을 선택합니다. 양질의 데이터가 포함되어 있을 가능성이 높은 캠페인을 모르는 경우 액세스 권한이 있는 데이터 중 가장 오래된 한 달간의 데이터에 대해 다음 쿼리를 실행합니다.

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

ORDER BY user_count DESC;

12~13개월 된 데이터를 선택하면 Ads Data Hub에서 곧 삭제될 데이터로 모델을 학습시키고 테스트할 수 있습니다. 이 데이터에서 모델 학습 한도에 도달하면 데이터 삭제 시 해당 한도가 종료됩니다.

특히 캠페인이 운영 중이면 1주일의 데이터로도 충분할 수 있습니다. 마지막으로 특히 많은 특성을 사용하여 학습하는 경우 고유 사용자 수가 100,000명 이상이어야 합니다.

3. 임시 테이블 만들기

모델 학습에 사용할 캠페인을 확인한 후 아래 쿼리를 실행합니다.

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. 모델 만들기 및 학습

테이블 만들기 단계를 모델 만들기 단계와 분리하는 것이 좋습니다.

이전 단계에서 만든 임시 테이블에 아래의 쿼리를 실행합니다. 시작일과 종료일은 임시 테이블의 데이터를 기반으로 추론되므로 신경쓰지 않아도 됩니다.

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. 결과 해석

쿼리 실행이 완료되면 아래와 유사한 테이블이 표시됩니다. 실제 캠페인의 결과는 다릅니다.

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

가중치 검사

아래의 쿼리를 실행하여 가중치를 살펴보고 모델의 클릭 예측 가능성에 기여하는 특성을 확인합니다.

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

위 쿼리를 실행하면 아래와 유사한 결과가 생성됩니다. BigQuery는 지정된 라벨을 정렬하고 '가장 작은' 라벨을 0으로, 가장 큰 라벨을 1로 선택합니다. 이 예에서 clicked는 0이고 not_clicked는 1입니다. 따라서 가중치가 클수록 해당 특성으로 인해 클릭이 발생할 가능성이 작다고 해석합니다. 또한 1일차는 일요일에 해당합니다.

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