Informacje o tym ćwiczeniu (w Codelabs)
1. Wprowadzenie
Dzięki temu ćwiczeniu z programowania dowiesz się, jak używać regresji logistycznej do poznawania, w jakim stopniu właściwości takie jak płeć, grupa wiekowa, czas wyświetlenia i typ przeglądarki przekładają się na prawdopodobieństwo kliknięcia reklamy przez użytkownika.
Wymagania wstępne
Aby ukończyć to ćwiczenie, potrzebujesz wystarczająco dużo wysokiej jakości danych kampanii, aby można było utworzyć model.
2. Wybieranie kampanii
Zacznij od wybrania starej kampanii z dużą ilością danych o wysokiej jakości. Jeśli nie wiesz, która kampania może mieć najprzydatniejsze dane, wykonaj podane niżej zapytanie dotyczące najstarszych danych obejmujących cały miesiąc, do których masz dostęp:
SELECT
campaign_id,
COUNT(DISTINCT user_id) AS user_count,
COUNT(*) AS impression_count
FROM adh.google_ads_impressions
ORDER BY user_count DESC;
Wybranie danych sprzed 12–13 miesięcy umożliwi Ci trenowanie i testowanie modelu na danych, które wkrótce zostaną usunięte z Centrum danych reklam. Jeśli w przypadku tych danych natrafisz na ograniczenia dotyczące trenowania modelu, znikną one, gdy dane zostaną już usunięte.
Jeśli Twoja kampania jest wyjątkowo aktywna, mogą wystarczyć dane z zaledwie tygodnia. Pamiętaj też, że liczba unikalnych użytkowników powinna wynosić co najmniej 100 tys. zwłaszcza wtedy, gdy trenujesz model z wykorzystaniem wielu właściwości.
3. Tworzenie tabeli tymczasowej
Po wybraniu kampanii, której będziesz używać do trenowania modelu, wykonaj podane niżej zapytanie.
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. Tworzenie i trenowanie modelu
Sprawdzoną metodą jest oddzielenie tworzenia tabeli od tworzenia modelu.
Podane niżej zapytanie wykonaj w przypadku tabeli tymczasowej utworzonej w poprzednim kroku. Nie musisz podawać daty rozpoczęcia ani zakończenia, ponieważ zostaną one ustalone na podstawie danych w tabeli tymczasowej.
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. Interpretowanie wyników
Gdy zakończy się wykonywanie zapytania, otrzymasz tabelę przypominającą tę poniżej. Wyniki Twojej kampanii będą oczywiście inne.
Wiersz | precision | recall | accuracy | f1_score | log_loss | roc_auc |
1 | 0.53083894341399718 | 0.28427804486705865 | 0.54530547622568992 | 0.370267971696336 | 0.68728232223722974 | 0.55236263736263735 |
Sprawdzanie wag
Wykonaj podane niżej zapytanie, aby przyjrzeć się wagom i dowiedzieć, które właściwości zwiększają prawdopodobieństwo przewidzenia kliknięcia przez Twój model:
SELECT * FROM ML.WEIGHTS(MODEL `binary_logistic_example`)
Zapytanie zwróci wyniki podobne do widocznych poniżej. Pamiętaj, że BigQuery posortuje nadane etykiety i „najmniejszej” przypisze wartość 0, a największej – wartość 1. W tym przykładzie clicked ma wartość 0, a not_clicked – wartość 1. Dlatego przyjmij interpretację, że im większa waga, tym mniejsze prawdopodobieństwo sprzyjania kliknięciom przez daną właściwość. Dodatkowo dzień 1 oznacza niedzielę.
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 |