Atelier de programmation sur la régression logistique

Atelier de programmation sur la régression logistique

À propos de cet atelier de programmation

Dernière mise à jour : nov. 21, 2023

Rédigé par une Googleuse ou un Googleur

1. Introduction

Cet atelier de programmation explique comment utiliser la régression logistique pour déterminer dans quelle mesure les caractéristiques telles que le genre, la tranche d'âge, l'heure d'impression et le type de navigateur sont corrélées à la probabilité qu'un utilisateur clique sur une annonce.

Conditions préalables

Pour cet atelier de programmation, vous devrez disposer de suffisamment de données de campagne de haute qualité afin de créer un modèle.

2. Sélectionner une campagne

Commencez par sélectionner une ancienne campagne contenant une beaucoup de données de haute qualité. Si vous ne savez pas quelle campagne contient les meilleures données, exécutez la requête suivante sur le mois de données complet le plus ancien auquel vous avez accès :

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

ORDER BY user_count DESC;

En sélectionnant des données datant de 12 à 13 mois, vous pouvez entraîner et tester votre modèle avec des données qui seront bientôt supprimées d'Ads Data Hub. Ainsi, si vous atteignez les limites concernant l'entraînement de modèle sur ces données, elles s'arrêteront lorsque les données seront supprimées.

Si votre campagne est particulièrement active, une semaine de données peut suffire. Enfin, vous devez avoir au moins 100 000 utilisateurs distincts, en particulier si vous entraînez votre modèle avec de nombreuses caractéristiques.

3. Créer un tableau temporaire

Une fois que vous avez identifié la campagne que vous utiliserez pour entraîner le modèle, exécutez la requête ci-dessous.

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. Créer et entraîner un modèle

Nous vous recommandons de séparer les étapes de création de votre tableau de celles de votre modèle.

Exécutez la requête suivante sur le tableau temporaire que vous avez créé à l'étape précédente. Ne vous préoccupez pas des dates de début et de fin, car elles seront déduites des données du tableau temporaire.

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. Interpréter les résultats

Lorsque la requête est exécutée, un tableau semblable à celui ci-dessous s'affiche. Les résultats de votre campagne seront différents.

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

Examiner les pondérations

Pour examiner les pondérations et voir quelles caractéristiques contribuent à la probabilité que le modèle puisse prédire un clic, exécutez la requête suivante :

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

La requête produit des résultats semblables à ceux ci-dessous. Notez que BigQuery trie les libellés donnés, et détermine que le plus petit vaut 0 et que le plus grand vaut 1. Dans cet exemple, "clicked" vaut 0, et "not_clicked" vaut 1. Vous devez donc interpréter les pondérations plus importantes comme une indication que la caractéristique est moins susceptible de générer des clics. Par ailleurs, le jour 1 correspond au dimanche.

processed_input	weight	category_weights.category	category_weights.weight
1	INTERCEPT	-0.0067900886484743364
2	browser_name	nul	inconnu 0.78205563068099249
			Opera 0.097073700069504443
			Dalvik -0.75233190448454246
			Edge 0.026672464688442348
			Silk -0.72539916969348706
			Autre -0.10317444840919325
			Navigateur Samsung 0.49861066525009368
			Yandex 1.3322608977581121
			IE -0.44170947381475295
			Firefox -0.10372609461557714
			Chrome 0.069115931084794066
			Safari 0.10931362123676475
3	day_of_week	nul	7 0.051780350639992277
			6 -0.098905011477176716
			4 -0.092395178188358462
			5 -0.010693625983554155
			3 -0.047629987110766638
			1 -0.0067030673140933122
			2 0.061739400111810727
4	heure	nul	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	nul	45-54 -0.013192901125032637
			65+ 0.035681341407469279
			25-34 -0.044038102549733116
			18-24 -0.041488170110836373
			inconnu 0.025466344709472313
			35-44 0.01582412778809188
			55-64 -0.004832373590628946
6	gender_name	nul	homme 0.061475274448403977
			inconnu 0.46660611583398443
			femme -0.13635601771194916