Sobre este codelab
1. Introdução
Este codelab ensina a usar a regressão logística para entender a relação entre recursos como gênero, idade, tempo de impressão e tipo de navegador e a probabilidade de alguém clicar em um anúncio.
Pré-requisitos
Para concluir este codelab, você precisará de dados suficientes de campanha de alta qualidade para criar um modelo.
2. Escolher uma campanha
Comece selecionando uma campanha antiga que tenha uma grande quantidade de dados de alta qualidade. Se você não sabe qual campanha tem os melhores dados, faça a seguinte consulta no mês completo mais antigo a que você 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;
Ao usar dados de 12 a 13 meses atrás, você pode treinar e testar seu modelo com informações que vão ser removidas em breve do Ads Data Hub. Se houver limites de treinamento de modelo, eles não vão mais existir quando os dados forem excluídos.
Se a sua campanha for bem ativa, uma semana de dados será suficiente. Por fim, o número de usuários distintos precisa ser de 100.000 ou mais, principalmente se você estiver fazendo um treinamento com muitos recursos.
3. Criar uma tabela temporária
Depois de identificar a campanha que vai ser usada para treinar 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. Criar e treinar um modelo
Recomendamos separar as etapas de criação das tabelas e dos modelos.
Faça a consulta abaixo na tabela temporária que você criou na etapa anterior. As datas de início e término vão ser 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. Interpretar resultados
Quando a consulta for concluída, uma tabela semelhante à mostrada abaixo vai aparecer. Os resultados da sua campanha são diferentes.
Linha | precision | recall | accuracy | f1_score | log_loss | roc_auc |
1 | 0.53083894341399718 | 0.28427804486705865 | 0.54530547622568992 | 0.370267971696336 | 0.68728232223722974 | 0.55236263736263735 |
Examinar ponderações
Faça a consulta a seguir para analisar as ponderações e saber quais recursos contribuem para a probabilidade de o seu modelo prever um clique:
SELECT * FROM ML.WEIGHTS(MODEL `binary_logistic_example`)
A consulta vai produzir resultados semelhantes a estes. O BigQuery classifica os rótulos fornecidos e identifica o "menor" como 0 e o maior como 1. Neste exemplo, "clicked" é 0 e "not_clicked" é 1. Portanto, interprete ponderações maiores como uma indicação de que o recurso torna os cliques menos prováveis. Além disso, o dia 1 corresponde ao domingo.
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 |