提升模型專注於分析行銷活動對客戶行為的因果效應，不同於傳統模型僅預測客戶行為的可能性。藉由比較治療組和對照組的客戶反應差異，提升模型能更精準地找出哪些客戶會因為行銷活動而改變消費決策。這對於提升行銷投資報酬率、避免資源浪費以及改善客戶體驗至關重要。實務上，企業可以利用提升模型將客戶分群，並針對不同群體制定差異化行銷策略，例如，將資源集中在對行銷活動最敏感的「說服型客戶」身上，而避免對「必然型客戶」和「無可救藥型客戶」進行無效的干預。
提升模型（Uplift Modeling）實務應用與技術解析
提升模型是一種先進的分析技術，用於評估特定對策（如行銷活動）對不同客戶群體的影響。它幫助企業更有效地分配資源，最大化行銷活動的成效。在本篇中，我們將探討提升模型的原理、應用和實作方法。
提升模型的基礎原理
提升模型的核心思想是透過比較接受對策（治療組）和未接受對策（對照組）的客戶行為，來評估對策的有效性。模型將客戶分為四類別：
說服型（Persuadables）
- 定義：可能因對策而採取期望行動的客戶。
- 特徵：在沒有對策的情況下不會採取行動，但接受對策後會採取行動。
- 影響：正向提升。
- 範例：只有在收到促銷郵件後才會購買產品的客戶。
必然型（Sure Things）
- 定義：無論是否接受對策都會採取期望行動的客戶。
- 特徵：其行為不受對策影響。
- 影響：無提升（中立）。
- 範例：無論是否收到促銷郵件都會購買產品的客戶。
無可救藥型（Lost Causes）
- 定義：無論是否接受對策都不太可能採取期望行動的客戶。
- 特徵：不會因對策而改變行為。
- 影響：無提升（中立）。
- 範例：無論是否收到促銷郵件都不會購買產品的客戶。
幹擾型（Do Not Disturbs）
- 定義：可能因對策而減少採取期望行動的客戶。
- 特徵：在沒有對策的情況下會採取行動，但接受對策後反而不採取行動。
- 影響：負向提升。
- 範例：因收到促銷郵件而感到煩擾，從而不購買產品的客戶。
使用提升象限矩陣進行目標定位
透過將客戶分為上述四類別，企業可以制定更有效的行銷策略：
- 針對說服型客戶：集中資源於此類別客戶，因為他們能帶來最大的增量收益。
- 避免浪費於必然型客戶：因為他們無論如何都會採取期望行動，無需額外資源。
- 放棄無可救藥型客戶：因為他們不太可能因對策而改變行為。
- 避免幹擾型客戶：以免引起負面反應。
實際應用範例
假設某零售企業進行一項促銷活動，透過提升模型分析後發現：
- 說服型客戶：2,000 人
- 必然型客戶：1,500 人
- 無可救藥型客戶：3,000 人
- 幹擾型客戶：500 人
企業可以專注於針對 2,000 名說服型客戶，從而提高行銷效率和活動的整體成功率。避免對必然型、無可救藥型和幹擾型客戶進行不必要的干預，可以節省成本並確保良好的客戶體驗。
提升模型的建模流程
資料收集與準備：收集治療組和對照組的客戶資料，包括人口統計資料、購買歷史和參與度指標，並確保資料的乾淨和一致性。
特徵工程：建立能夠捕捉客戶特徵的變數，如年齡與參與度分數之間的互動作用項，或購買歷史與治療之間的互動作用項。
模型建立：分別為治療組和對照組建立預測模型，以預測每個群體的購買可能性。
提升度計算：透過減去對照組模型的預測值和治療組模型的預測值，計算每個客戶的提升度。
評估：使用 Qini 系數或提升曲線等指標評估模型的表現，以確定模型在識別最有可能對對策產生正面反應的客戶方面的有效性。
詳細例項
假設某零售企業收集了 1,000 名客戶的資料，包括人口統計資訊、購買歷史、參與度分數、治療狀態和購買結果。透過以下步驟進行提升模型分析：
- 資料準備與特徵工程。
- 為治療組和對照組建立邏輯迴歸模型。
- 計算每個客戶的預測購買機率，並計算提升度。
程式碼範例
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
# 載入資料
data = pd.read_csv('customer_data.csv')
# 資料預處理
X = data[['Age', 'Gender', 'PurchaseHistory', 'EngagementScore']]
y = data['Purchase']
treatment = data['Treatment']
# 分割治療組和對照組
X_treatment = X[treatment == 1]
y_treatment = y[treatment == 1]
X_control = X[treatment == 0]
y_control = y[treatment == 0]
# 建立邏輯迴歸模型
treatment_model = LogisticRegression()
control_model = LogisticRegression()
treatment_model.fit(X_treatment, y_treatment)
control_model.fit(X_control, y_control)
# 預測購買機率
y_pred_treatment = treatment_model.predict_proba(X)[:, 1]
y_pred_control = control_model.predict_proba(X)[:, 1]
# 計算提升度
uplift = y_pred_treatment - y_pred_control
#### 內容解密：
1. **資料預處理**：將原始資料轉換為模型可接受的格式，選取相關特徵並分割治療組和對照組。
2. **模型訓練**：使用邏輯迴歸分別為治療組和對照組建立預測模型，評估客戶購買的可能性。
3. **預測與提升度計算**：利用訓練好的模型預測所有客戶在治療組和對照組下的購買機率，並計算差異以獲得提升度。
4. **結果解讀**：透過分析提升度，可以識別出最有可能因對策而改變行為的客戶群體，從而最佳化行銷策略。
### 圖表翻譯：
此圖示展示了提升模型的運作流程，包括資料收集、模型建立、提升度計算和結果評估。每一步驟都對於準確評估對策的有效性至關重要。
## 提升模型（Uplift Modeling）在精準行銷中的應用
在競爭激烈的市場環境中，如何有效地進行精準行銷已成為企業關注的焦點。提升模型（Uplift Modeling）是一種強大的資料分析技術，能夠幫助企業識別哪些客戶最有可能受到特定行銷活動的正面影響，從而最佳化行銷策略並提高投資回報率（ROI）。
### 提升模型的運作原理
提升模型的核心思想是透過比較處理組（Treatment Group）和控制組（Control Group）的反應差異，來評估特定行銷活動對客戶行為的增量影響。
#### 步驟一：定義處理組和控制組
- **處理組**：接受行銷活動的客戶群體，例如收到電子郵件的客戶。
- **控制組**：未接受行銷活動的客戶群體，例如未收到電子郵件的客戶。
#### 步驟二：執行行銷活動並收集資料
- 向處理組傳送電子郵件或其他行銷資訊。
- 等待一段時間後，收集處理組和控制組的購買資料或其他關鍵指標。
#### 步驟三：計算提升度（Uplift）
- **提升度** 是處理組和控制組反應率之間的差異，代表行銷活動帶來的增量效果。
- 例如，若處理組的購買率為20%，控制組的購買率為16%，則提升度為4%。
### 實際案例：電子郵件行銷活動
假設某線上零售商欲進行電子郵件行銷活動以提升銷售額，擁有10,000名客戶資料。
1. **定義處理組和控制組**：
- 處理組：5,000名客戶將收到行銷電子郵件。
- 控制組：5,000名客戶不會收到行銷電子郵件。
2. **執行活動並收集資料**：
- 處理組中有1,000名客戶進行了購買（購買率20%）。
- 控制組中有800名客戶進行了購買（購買率16%）。
3. **計算提升度**：
- 提升度 = 20% - 16% = 4%。
### 建立提升模型
透過機器學習技術（如決策樹、隨機森林等），可以構建一個提升模型，預測每個客戶對行銷活動的增量反應。該模型利用客戶的歷史購買行為、人口統計資料、瀏覽記錄等特徵，來估計每個客戶的提升度。
### 客戶分群
根據預測的提升度，可以將客戶分為四類別：
- **說服型（Persuadables）**：預計會因行銷活動而增加購買可能性的客戶。
- **必然型（Sure Things）**：無論是否接受行銷活動，都會進行購買的客戶。
- **無效型（Lost Causes）**：無論是否接受行銷活動，都不會進行購買的客戶。
- **幹擾型（Do Not Disturbs）**：預計會因行銷活動而降低購買可能性的客戶。
### 最佳化行銷活動
透過提升模型，企業可以專注於對 **說服型** 客戶的行銷活動，以最大化投資回報率。同時，避免對 **必然型**、**無效型** 和 **幹擾型** 客戶進行不必要的行銷，從而節省成本並改善客戶體驗。
### 提升模型的優勢
1. **精準行銷**：透過識別最有可能受到正面影響的客戶，提高行銷活動的有效性。
2. **成本文約**：減少對無效客戶的行銷投入，避免潛在的負面影響。
3. **改善客戶體驗**：避免傳送不必要或可能引起反感的行銷資訊，維護良好的客戶關係。
總之，提升模型幫助企業更有效地利用資料科學和機器學習技術，最佳化行銷策略，提高投資回報率，並在競爭中獲得優勢。 ### 重點回顧
1. **客戶終身價值（CLV）**：
- 預測客戶在其整個生命週期中為企業帶來的總價值，有助於識別高價值客戶並制定相應的行銷策略。
2. **行銷投資回報率（ROMI）框架**：
- 利用預測模型評估行銷活動的投資回報率，幫助企業更有效地分配行銷預算，最大化收益。
3. **產品參與度衡量**：
- 透過分析客戶與產品的互動資料，瞭解客戶需求，提升使用者經驗並推動產品改進。
4. **提升模型（Uplift Modeling）**：
- 識別能夠被特定干預措施正面影響的客戶群體，最佳化行銷策略，提高客戶留存率和行銷效率。
## 使用 PySpark 進行應用資料科學
### 索引
#### A
A/B 測試，354、356、357、414、415
加速失效時間（AFT）模型，398–400
優點，399
缺點，399
累加器，34
準確率，247、325
啟用函式，167、168
Leaky ReLu/引數化 ReLu 函式，171
線性啟用，168
ReLu 函式，170
sigmoid 函式，168、169
softmax 函式，172、173
swish 函式，172
TanH 函式，169、170
自適應梯度（AdaGrad）最佳化器，165
自適應動量（Adam）最佳化器，166
AFT 模型，請參閱加速失效時間（AFT）模型
凝聚聚類別，274、275
聚合函式，70
演算法函式，328
ALS，請參閱交替最小二乘法（ALS）
ALS 矩陣分解，307
替代假設，125、355、356
交替最小二乘法（ALS），305–309
Anaconda，1–3
#### B
裝袋法，198、199
基準模型，183、240、262、323
基本操作
存取資料，29
計算 Pi，29、30
上傳資料，28
批次歸一化，173
貝葉斯定理
貝葉斯演示，213、214
案例，214
後驗機率，213
#### C
客戶取得成本（CAC），382
快取，33、79
基數，51、101–108
笛卡爾坐標，266、270
Catalyst 最佳化器，34
分類別變數，44、94、101、122、125、128、215、271、328、408
### 客戶終身價值（CLV）
客戶終身價值（CLV），373、374
計算 ROMI 的方法，411
平均購買價值，374
基本公式，374
利用 CLV 的最佳實踐，383–385
商業和行銷中的 CLV，373
#### CLV 模型
CLV 模型，385
AFT 模型，398–400
歷史模型，387、388
預測性 CLV 模型（請參閱預測性 CLV 模型）
簡單模型，385–387
生存分析模型（請參閱生存分析模型）
傳統 CLV 模型，396–398
### 資料操作
#### 資料操作與管理
資料框（DataFrames），35、36、58、66、69、112–114、146
資料操作函式：字串函式，67、68；聚合函式，70；視窗函式（請參閱視窗函式）
#### 資料操作步驟
1. **讀取資料**：從檔案或 Hive 表讀取資料。
2. **檢視資料**：檢視資料的前幾行，瞭解資料結構。
3. **處理缺失值**：檢查並處理缺失值。
#### 常見操作
- **欄位操作**：新增、自訂欄位及刪除/重新命名欄位。
- **篩選資料**：使用 `filter` 函式進行條件篩選。
- **統計描述**：計算描述性統計，如平均值、中位數等。
- **唯一值與計數**：計算欄位中唯一值的數量。
### 資料視覺化
資料視覺化在資料科學中扮演重要角色，用於展示資料分佈與趨勢。
#### 常見視覺化方法：
1. **直方圖**：顯示數值變數的分佈。
2. **散點圖**：展示兩個變數之間的關係。
3. **條形圖**：用於比較不同類別之間的數量或頻率。
### 資料科學與機器學習
#### 自動化機器學習
使用 PySpark 自動化機器學習流程，能夠簡化建模過程，提高效率。
### 分類別與迴歸
#### 分類別指標
評估分類別模型的效能，使用準確率、精確率和召回率等指標。
#### 迴歸分析
對於連續型目標變數，使用迴歸分析進行預測。
### 聚類別分析
#### 常見聚類別技術：
1. **K-means 聚類別**：將資料分成 K 個群組，使每個群組內的資料點儘可能相似。
2. **層次聚類別**：根據相似性逐步合併或拆分群組，形成層次結構。
### 特徵選擇與工程
特徵選擇和工程是機器學習中的關鍵步驟，能夠提升模型的準確性和泛化能力。
### 自訂轉換器與特徵工程
透過自訂轉換器，能夠根據業務需求對資料進行特定處理，例如資料標準化或特徵衍生。
### 圖表翻譯與程式碼解說
```python
# 此範例程式碼展示如何使用 PySpark 進行資料讀取與基本統計分析
from pyspark.sql import SparkSession
# 初始化 SparkSession
spark = SparkSession.builder.appName("DataAnalysis").getOrCreate()
# 讀取資料
data = spark.read.csv("data.csv", header=True, inferSchema=True)
# 檢視資料結構與前幾行資料
data.show(5)
data.printSchema()
# 基本統計描述
data.describe().show()
# 篩選資料範例：選擇特定條件的資料列
filtered_data = data.filter(data["age"] > 30)
filtered_data.show()
# 聚合操作範例：計算每個類別的平均值
average_value = data.groupBy("category").avg("value")
average_value.show()
程式碼解密：
SparkSession初始化：建立 Spark 的執行環境，用於後續的資料處理和分析。read.csv：從 CSV 檔案中讀取資料，並指定包含表頭 (header=True) 以及自動推斷資料型別 (inferSchema=True)。show()與printSchema()：用於檢視資料的前幾行以及資料結構。describe().show()：計算並顯示資料的基本統計資訊，如平均值和標準差。filter()：根據條件篩選資料，例如篩選年齡大於 30 的資料。groupBy()與avg()：按照某個欄位分組，並計算該組內的平均值。
圖表範例與解說
@startuml
skinparam backgroundColor #FEFEFE
skinparam componentStyle rectangle
title 提升模型 (Uplift Modeling) 應用架構
package "客戶分群象限" {
component [說服型\n(Persuadables)\n正向提升] as persuadables
component [必然型\n(Sure Things)\n無提升] as sure_things
component [無可救藥型\n(Lost Causes)\n無提升] as lost_causes
component [幹擾型\n(Do Not Disturbs)\n負向提升] as disturbs
}
package "建模流程" {
component [治療組/對照組\n資料收集] as data_collect
component [特徵工程\n(互動作用項)] as feature_eng
component [分組預測模型] as model
component [提升度計算] as uplift_calc
}
package "評估指標" {
component [Qini 係數] as qini
component [提升曲線] as uplift_curve
component [增量影響評估] as impact
}
package "行銷策略" {
component [集中資源於說服型] as focus
component [避免干擾型客戶] as avoid
component [最大化 ROI] as roi
}
persuadables --> focus
sure_things --> avoid
lost_causes --> avoid
disturbs --> avoid
data_collect --> feature_eng
feature_eng --> model
model --> uplift_calc
uplift_calc --> qini
qini --> uplift_curve
uplift_curve --> impact
impact --> focus
focus --> roi
note right of persuadables
因行銷活動
而改變行為
end note
note right of uplift_calc
治療組預測 -
對照組預測
end note
@enduml圖表翻譯： 此圖展示了一個典型的機器學習工作流程：
- 開始：表示整個流程的起點。
- 讀取資料：從外部源讀取所需的原始資料。
- 資料清理：對資料進行預處理，包括處理缺失值和異常值。
- 特徵工程：對資料進行特徵提取和轉換，以提高模型的效能。
- 模型訓練：使用處理好的資料訓練機器學習模型。
- 模型評估：透過評估指標檢查模型的準確性和泛化能力。
- 結束：表示整個流程的終點。
機器學習生命週期與實驗設計
機器學習生命週期管理
機器學習（Machine Learning）已成為現代資料驅動決策的核心技術，而其生命週期管理（Machine Learning Lifecycle）則是確保模型開發與佈署效率的關鍵。機器學習生命週期涵蓋了從資料收集、預處理、模型訓練到佈署與監控的全過程。
機器學習流程概述
資料收集與準備
- 蒐集相關資料並進行清理，以確保資料品質。
- 進行探索性資料分析（EDA），瞭解資料特徵。
特徵工程
- 選擇與構建適當的特徵，以提升模型效能。
- 處理缺失值並進行必要的資料轉換。
模型訓練與評估
- 選擇合適的演算法進行模型訓練。
- 使用交叉驗證等技術評估模型效能。
模型佈署與監控
- 將模型佈署至生產環境。
- 持續監控模型表現，並根據需要進行調整。
實驗設計與假設檢定
在機器學習專案中，實驗設計（Experimentation）與假設檢定（Hypothesis Testing）扮演著至關重要的角色，用於驗證模型的實際效果並最佳化相關策略。
A/B 測試與 PySpark 實踐
A/B 測試原理
- 將樣本資料分為實驗組與對照組，以比較不同方案的效果。
- 使用統計方法驗證結果的顯著性。
PySpark 中的 A/B 測試
# 範例程式碼：使用 PySpark 進行 A/B 測試 from pyspark.sql import SparkSession from pyspark.sql.functions import col # 初始化 SparkSession spark = SparkSession.builder.appName("AB Testing").getOrCreate() # 載入樣本資料 data = spark.read.csv("sample_data.csv", header=True, inferSchema=True) # 劃分實驗組與對照組 control_group = data.filter(col("group") == "control") experiment_group = data.filter(col("group") == "experiment") # 進行統計分析 # 此處可使用 PySpark 的統計函式進行進一步分析
假設檢定流程
提出假設
- 設定零假設（Null Hypothesis）與替代假設（Alternate Hypothesis）。
選擇顯著性水平
- 通常設定為 0.05，以控制第一類別錯誤的發生機率。
計算檢定統計量與 p 值
- 使用適當的統計方法計算 p 值，以判斷結果是否顯著。
做出決策
- 若 p 值小於顯著性水平，則拒絕零假設，接受替代假設。
MLOps 與 MLflow 的應用
MLOps（Machine Learning Operations）旨在將 DevOps 的理念應用於機器學習領域，以提升模型的開發與佈署效率。MLflow 是實作 MLOps 的重要工具之一。
MLflow 的核心功能
實驗追蹤
- 紀錄實驗過程中的引數、指標與結果，方便比較不同實驗的效果。
模型管理
- 提供模型版本控制與管理功能，確保模型的迭代與更新可追溯。
模型佈署
- 支援將模型佈署至不同的環境，如本地端或雲端。
使用 MLflow 管理機器學習專案
# 範例程式碼：使用 MLflow 追蹤實驗
import mlflow
# 初始化 MLflow
mlflow.set_experiment("My Experiment")
# 開始實驗
with mlflow.start_run():
# 紀錄引數
mlflow.log_param("param1", 10)
# 紀錄指標
mlflow.log_metric("metric1", 0.85)
# 紀錄模型
mlflow.sklearn.log_model(model, "model")
機器學習模型評估與最佳化技術
模型評估指標與技術深度解析
在機器學習領域中，模型評估是確保預測準確性的關鍵步驟。不同的評估指標適用於不同型別的模型，本文將探討常見的評估指標及其應用場景。
1. 分類別模型評估指標
分類別模型的評估涉及多個重要指標，包括但不限於精確率（Precision）、召回率（Recall）以及F1分數。這些指標共同構成了對模型效能的全面評估。
- 精確率（Precision）：衡量模型預測為正類別的樣本中，實際為正類別的比例。
- 召回率（Recall）：衡量所有實際正類別樣本中，被模型正確預測為正類別的比例。
- F1分數：綜合考慮精確率和召回率，是兩者的調和平均數，用於平衡兩者的重要性。
2. 迴歸模型評估指標
對於迴歸模型，常用的評估指標包括均方誤差（MSE）、均方根誤差（RMSE）以及決定係數（R²）。這些指標能夠有效評估模型的預測能力。
均方根誤差（RMSE）：表示預測值與實際值之間誤差的標準差，能夠直觀反映模型的預測精確度。
from sklearn.metrics import mean_squared_error import numpy as np # 假設y_true是實際值，y_pred是預測值 rmse = np.sqrt(mean_squared_error(y_true, y_pred))決定係數（R²）：衡量模型對資料變異性的解釋能力，越接近1表示模型擬合效果越好。
from sklearn.metrics import r2_score # 計算R² r2 = r2_score(y_true, y_pred)
#### 內容解密：
上述程式碼展示瞭如何使用Python中的sklearn函式庫來計算迴歸模型的RMSE和R²。首先匯入必要的函式庫，然後利用實際值（y_true）和預測值（y_pred）計算評估指標。這些指標對於理解模型的表現至關重要。
模型最佳化技術
模型最佳化是提升機器學習模型效能的重要步驟，主要涉及超引數調優和正則化技術。
1. 超引數調優
超引數對模型的表現有著重要影響。常見的調優方法包括網格搜尋（Grid Search）和隨機搜尋（Random Search）。
網格搜尋：透過窮舉搜尋指定的超引陣列合，找到最佳引數。
from sklearn.model_selection import GridSearchCV # 定義引數網格 param_grid = {'n_estimators': [100, 200, 300], 'max_depth': [None, 5, 10]} grid_search = GridSearchCV(estimator=RandomForestClassifier(), param_grid=param_grid, cv=5) grid_search.fit(X_train, y_train) # 輸出最佳引數 print("最佳引數：", grid_search.best_params_)
#### 內容解密：
此程式碼示例展示瞭如何使用網格搜尋來最佳化隨機森林分類別器的超引數。透過定義引數網格並進行交叉驗證，最終輸出最佳的超引陣列合。這種方法能夠系統地探索引數空間，提升模型效能。
2. 正則化技術
正則化技術透過在損失函式中加入懲罰項來防止過擬合，常見的有L1和L2正則化。
- L1正則化（Lasso）：傾向於產生稀疏解，可用於特徵選擇。
- L2正則化（Ridge）：透過對權重的平方和進行懲罰，減少模型的複雜度。
資料分析與機器學習技術
抽樣技術的重要性
在資料分析中，抽樣技術是至關重要的。正確的抽樣方法能夠確保資料的代表性，從而提高模型的準確性和可靠性。常見的抽樣技術包括簡單隨機抽樣（SRS）、分層抽樣等。
簡單隨機抽樣（SRS）
簡單隨機抽樣是一種基本的抽樣方法，每個資料點被選中的機率相同。這種方法能夠有效地減少偏差，但可能無法充分代表資料中的某些子群體。
# 簡單隨機抽樣的Python實作
import pandas as pd
from sklearn.model_selection import train_test_split
# 假設df是一個DataFrame
df = pd.read_csv("data.csv")
# 簡單隨機抽樣
train_df, test_df = train_test_split(df, test_size=0.2, random_state=42)
分層抽樣
分層抽樣根據某些特徵將資料分成不同的層，然後在每層中進行隨機抽樣。這種方法能夠更好地代表資料中的不同子群體。
# 分層抽樣的Python實作
from sklearn.model_selection import StratifiedShuffleSplit
# 假設df是一個DataFrame，'target'是目標變數
split = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
for train_index, test_index in split.split(df, df['target']):
train_df = df.loc[train_index]
test_df = df.loc[test_index]
資料預處理
資料預處理是機器學習流程中的一個關鍵步驟。它包括資料清理、特徵縮放、特徵選擇等。
特徵縮放
特徵縮放能夠確保不同特徵具有相同的尺度，從而提高模型的穩定性。常見的特徵縮放方法包括標準化和歸一化。
# 標準化的Python實作
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)
特徵選擇
特徵選擇能夠減少資料的維度，提高模型的效率和準確性。常見的特徵選擇方法包括根據統計的方法（如卡方檢驗）和根據模型的方法（如根據樹的特徵重要性）。
# 根據卡方檢驗的特徵選擇Python實作
from sklearn.feature_selection import SelectKBest, chi2
selector = SelectKBest(chi2, k=10)
selected_features = selector.fit_transform(data, target)
機器學習模型評估
評估機器學習模型的效能是至關重要的。常見的評估指標包括準確率、精確率、召回率、F1分數等。
交叉驗證
交叉驗證是一種評估模型效能的方法，它透過多次劃分資料來減少評估結果的方差。
# 交叉驗證的Python實作
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
scores = cross_val_score(model, data, target, cv=5)
機器學習模型佈署
將機器學習模型佈署到生產環境中需要考慮多個因素，包括模型的服務化、監控和更新。
模型服務化
模型服務化是指將模型佈署為一個服務，供其他系統呼叫。
# 使用Flask佈署模型的Python實作
from flask import Flask, request, jsonify
import pickle
app = Flask(__name__)
# 載入模型
model = pickle.load(open("model.pkl", "rb"))
@app.route('/predict', methods=['POST'])
def predict():
data = request.get_json()
prediction = model.predict(data)
return jsonify({'prediction': prediction.tolist()})
if __name__ == '__main__':
app.run(debug=True)
