קוד רגרסיה לוגיסטית

1. פתיח

בשיעור הזה תלמדו איך להשתמש ברגרסיה לוגיסטית כדי להבין עד כמה תכונות כמו מגדר, קבוצת גיל, זמן חשיפה וסוג דפדפן קשורים לסבירות שהמשתמש ילחץ על מודעה.

דרישות מוקדמות

כדי להשלים את ה-Codelab הזה, דרוש לך מספיק נתוני קמפיין איכותיים כדי ליצור מודל.

2. בחירת קמפיין

כדי להתחיל, בוחרים קמפיין ישן שמכיל כמות גדולה של נתונים איכותיים. אם אתם לא יודעים לאיזה קמפיין יש את הנתונים הכי טובים, מריצים את השאילתה הבאה על הנתונים של החודש המלא הישן ביותר שיש לכם גישה אליהם:

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

ORDER BY user_count DESC;

בחירת נתונים בני 12-13 חודשים מאפשרת לאמן את המודל ולבדוק אותו על נתונים שיוסרו בקרוב מ-Ads Data Hub. אם יהיו מגבלות לאימון מודלים בנתונים האלה, המגבלות יסתיימו כשהנתונים יימחקו.

אם הקמפיין פעיל במיוחד, יכול להיות שיצטברו מספיק נתונים במשך שבוע. לבסוף, מספר המשתמשים הייחודיים צריך להיות 100,000 או יותר, במיוחד אם אתם מבצעים אימון שכולל הרבה תכונות.

3. יצירת טבלה זמנית

לאחר שתזהה את מסע הפרסום שבו תשתמש כדי לאמן את המודל, מריצים את השאילתה הבאה.

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. יצירה ואימון של מודל

מומלץ להפריד את שלבי יצירת הטבלה מהשלבים ליצירת המודל.

מריצים את השאילתה הבאה בטבלה הזמנית שיצרתם בשלב הקודם. אין צורך לחשוש בנוגע לתאריכי התחלה וסיום, מכיוון שהם יוסקו על סמך נתונים בטבלה הזמנית.

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. פירוש התוצאות

כשהרצת השאילתה תסתיים, תוצג טבלה שדומה לזו שמופיעה בהמשך. התוצאות מהקמפיין יהיו שונות.

שורה	דיוק	recall	דיוק	f1_score	log_loss	roc_auc
1	0.53083894341399718	0.28427804486705865	0.54530547622568992	0.370267971696336	0.68728232223722974	0.55236263736263735

בדיקת משקולות

מריצים את השאילתה הבאה כדי לבחון את השקלולים ולראות אילו תכונות תורמות לסבירות של המודל לחזות קליק:

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

השאילתה תניב תוצאות דומות לתוצאות הבאות. שימו לב: מערכת BigQuery תמיין את התוויות הנתונות, ותבחר שהדירוג הקטן ביותר יהיה 0 והערך הגדול ביותר יהיה 1. בדוגמה הזו, הקליק הוא 0 ו-not_clicked הוא 1. לכן, פרשו משקלים גדולים כאינדיקציה לכך שהתכונה מקטינה את הסיכוי לקליקים. בנוסף, היום הראשון הוא יום ראשון.

processed_input	משקל	category_weights.category	category_weights.weight
1	INTERCEPT	-0.0067900886484743364
2	browser_name	null	לא ידוע 0.78205563068099249
			Opera 0.097073700069504443
			דלביק -0.75233190448454246
			Edge 0.026672464688442348
			משי - 0.72539916969348706
			אחר -0.10317444840919325
			דפדפן 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
			לא ידוע 0.025466344709472313
			35-44 0.01582412778809188
			55-64 -0.004832373590628946
6	gender_name	null	זכר 0.061475274448403977
			לא ידוע 0.46660611583398443
			נקבה -0.13635601771194916