Codelab sulla regressione logistica

1. Introduzione

Questo codelab ti insegnerà a utilizzare la regressione logistica per comprendere in che modo le funzionalità, come genere, età, ora delle impressioni e tipo di browser, sono correlate alla probabilità che un utente faccia clic su un annuncio.

Prerequisiti

Per completare questo codelab, ti servirà un volume sufficiente di dati della campagna di alta qualità per creare un modello.

2. Scegli una campagna

Inizia selezionando una vecchia campagna contenente un volume elevato di dati di alta qualità. Se non sai quale campagna ha maggiori probabilità di avere i dati migliori, esegui la seguente query sul mese completo di dati meno recente a cui hai accesso:

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

ORDER BY user_count DESC;

La selezione dei dati di 12-13 mesi ti consente di addestrare e testare il tuo modello su dati che a breve verranno rimossi da Ads Data Hub. Se riscontri limiti di addestramento dei modelli per questi dati, i limiti scadranno quando i dati verranno eliminati.

Se la tua campagna è particolarmente attiva, una settimana di dati potrebbe essere sufficiente. Infine, il numero di utenti distinti dovrebbe essere almeno 100.000, specialmente se l'addestramento avviene utilizzando molte funzionalità.

3. Crea una tabella temporanea

Una volta identificata la campagna da utilizzare per addestrare il modello, esegui la query riportata di seguito.

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. Crea e addestra un modello

Una best practice consiste nel separare i passaggi di creazione delle tabelle da quelli di creazione dei modelli.

Esegui la seguente query sulla tabella temporanea che hai creato nel passaggio precedente. Non preoccuparti di indicare le date di inizio e di fine, poiché verranno dedotte in base ai dati della tabella temporanea.

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. Interpreta i risultati

Al termine della query, visualizzerai una tabella simile a quella riportata di seguito. I risultati della campagna saranno diversi.

Riga

precisione

ricordo

accuratezza

f1_score

log_loss

roc_auc

1

0,53083894341399718

0,28427804486705865

0,54530547622568992

0,370267971696336

0,68728232223722974

0,55236263736263735

Esamina ponderazioni

Esegui la query seguente per esaminare le ponderazioni e verificare quali funzionalità contribuiscono alla probabilità del tuo modello di prevedere un clic:

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

La query restituirà risultati simili a quelli riportati di seguito. Tieni presente che BigQuery ordina le etichette specificate e sceglie "0" per il valore inferiore e "1" per quello maggiore In questo esempio, clicked è 0 e not_clicked è 1. Pertanto, valuta le ponderazioni maggiori come un'indicazione che la funzionalità rende meno probabili i clic. Inoltre, il giorno 1 corrisponde alla domenica.

processed_input

weight

category_weights.category

category_weights.weight

1

INTERCEPT

- 0,0067900886484743364

2

browser_name

null

sconosciuto 0,78205563068099249

Opera 0,097073700069504443

Dalvik - 0,75233190448454246

Edge 0,026672464688442348

Silk - 0,72539916969348706

Altro - 0,10317444840919325

Browser 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

ora

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

sconosciuto 0,025466344709472313

35-44 0,01582412778809188

55-64 -0,004832373590628946

6

gender_name

null

uomo 0,061475274448403977

sconosciuto 0.46660611583398443

donna -0,13635601771194916