Практическая работа по логистической регрессии

1. Вступительная часть

В этой практической работе показано, как с помощью логистической регрессии понять, в какой степени пол, возраст, время показа, тип браузера и другие характеристики влияют на вероятность того, что пользователь нажмет на объявление.

Требования

Для этой практической работы вам понадобится достаточный объем качественных данных о кампании, чтобы создать модель.

2. Выберите кампанию

Выберите старую кампанию, содержащую большой объем качественных данных. Если вы не можете определить самую подходящую кампанию, выполните приведенный ниже запрос для самого давнего полного месяца данных, который вам доступен.

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

ORDER BY user_count DESC;

При тестировании и обучении моделей мы рекомендуем использовать данные, полученные 12–13 месяцев назад, поскольку они вскоре будут удалены из Ads Data Hub. После их удаления будут отменены все ограничения, связанные с достижением лимита на обучение моделей по этим данным.

Если у вас очень активная кампания, может быть достаточно данных за неделю. Наконец, количество отдельных пользователей должно быть не менее 100 000, особенно если вы используете много функций для обучения.

3. Создайте временную таблицу

Выбрав кампанию для обучения модели, выполните следующий запрос:

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. Создайте и обучите модель

Рекомендуем отдельно создавать таблицу и отдельно – модель.

Выполните приведенный ниже запрос для временной таблицы, созданной на предыдущем шаге. Даты начала и окончания указывать не нужно, они будут автоматически рассчитаны по данным таблицы.

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. Проанализируйте результаты

Когда запрос завершит работу, вы получите таблицу. Пример такой таблицы показан ниже, но для вашей кампании результаты будут другими.

Строка

precision

recall

accuracy

f1_score

log_loss

roc_auc

1

0,53083894341399718

0,28427804486705865

0,54530547622568992

0,370267971696336

0,68728232223722974

0,55236263736263735

Проанализируйте вес

Выполните приведенный ниже запрос, чтобы проверить вес каждой характеристики и узнать, как она влияет на способность модели предсказывать клики.

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

Пример результатов этого запроса приводится ниже. Учитывайте, что BigQuery отсортирует ярлыки и назначит самому маленькому значение 0, а самому большому – 1. В этом примере clicked – 0, а not_clicked – 1, то есть чем больше вес характеристики, тем ниже вероятность клика. Также учитывайте, что день 1 – воскресенье.

processed_input

weight

category_weights.category

category_weights.weight

1

INTERCEPT

-0,0067900886484743364

2

browser_name

null

неизвестно 0,78205563068099249

Opera 0,097073700069504443

Dalvik -0,75233190448454246

Edge 0,026672464688442348

Silk -0,72539916969348706

Прочие -0,10317444840919325

Браузер Samsung 0,49861066525009368

Яндекс 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

неизвестно 0,025466344709472313

35–44 0,01582412778809188

55–64 -0,004832373590628946

6

gender_name

null

мужской 0,061475274448403977

неизвестно 0,46660611583398443

женский -0,13635601771194916