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

Codelab de regressão logística

Sobre este codelab

Último nov. 21, 2023 atualizado

Escrito por um Googler

1. Introdução

Este codelab ensina a usar a regressão logística para compreender em que medida as funcionalidades, como o género, a faixa etária, a hora da impressão e o tipo de navegador, estão relacionadas com a probabilidade de um utilizador clicar num anúncio.

Pré-requisitos

Para concluir este codelab, vai precisar de dados de campanhas de alta qualidade suficientes para criar um modelo.

2. Escolha uma campanha

Comece por selecionar uma campanha antiga que contenha uma grande quantidade de dados de alta qualidade. Se não souber qual é a campanha que possa ter os melhores dados, execute a seguinte consulta no mês de dados completo mais antigo a que tem acesso:

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

ORDER BY user_count DESC;

A seleção de dados com 12 a 13 meses permite-lhe preparar e testar o seu modelo em dados que serão removidos em breve do Ads Data Hub. Se encontrar limites de preparação do modelo nestes dados, esses limites terminam quando os dados forem apagados.

Se a sua campanha for particularmente ativa, uma semana de dados pode ser suficiente. Por último, o número de utilizadores distintos deve ser igual ou superior a 100 000, especialmente se estiver a fazer a preparação com muitas funcionalidades.

3. Crie uma tabela temporária

Após identificar a campanha que vai usar para preparar o modelo, execute a consulta abaixo.

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. Crie e prepare um modelo

É uma prática recomendada separar os passos de criação da tabela dos passos de criação do modelo.

Execute a seguinte consulta na tabela temporária que criou no passo anterior. Não se preocupe em fornecer datas de início e de fim, uma vez que estas serão inferidas com base nos dados da tabela temporária.

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. Interprete os resultados

Após a conclusão da consulta, verá uma tabela semelhante à apresentada abaixo. Os resultados da sua campanha serão diferentes.

Linha	precisão	recordação	precisão	f1_score	log_loss	roc_auc
1	0,53083894341399718	0,28427804486705865	0,54530547622568992	0,370267971696336	0,68728232223722974	0,55236263736263735

Analise as ponderações

Execute a seguinte consulta a fim de analisar as ponderações para ver as funcionalidades que contribuem para a probabilidade de o seu modelo prever um clique:

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

A consulta gera resultados semelhantes aos apresentados abaixo. Tenha em atenção que o BigQuery ordena as etiquetas especificadas e define a "mais pequena" como 0 e a maior como 1. Neste exemplo, clicked é 0 e not_clicked é 1. Como tal, interprete ponderações maiores como uma indicação de que a funcionalidade diminui a probabilidade dos cliques. Além disso, o dia 1 corresponde a domingo.

processed_input	ponderação	category_weights.category	category_weights.weight
1	INTERCEPT	-0,0067900886484743364
2	browser_name	null	desconhecido 0,78205563068099249
			Opera 0,097073700069504443
			Dalvik -0,75233190448454246
			Edge 0,026672464688442348
			Silk -0,72539916969348706
			Outro -0,10317444840919325
			Navegador Samsung 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
			desconhecido 0,025466344709472313
			35-44 0,01582412778809188
			55-64 -0,004832373590628946
6	gender_name	null	masculino 0,061475274448403977
			desconhecido 0,46660611583398443
			feminino -0,13635601771194916

Voltar

Avançar

Informar um erro