提升¶

设置¶

In [ ]:

pip install ydf -U

pip install ydf -U

什么是提升？¶

提升建模是一种统计建模技术，用于预测某个行为对受试对象的增量影响。该行为通常被称为处理，可以选择性应用。

提升建模通常用于有针对性的营销活动，以预测某人在接收到的营销展示基础上，进行购买（或任何其他期望行为）的可能性增加。

例如，提升建模可以预测电子邮件的效果。效果被定义为条件概率 \begin{align} \text{effect}(\text{email}) = &\Pr(\text{outcome}=\text{purchase}\ \vert\ \text{treatment}=\text{with email})\\ &- \Pr(\text{outcome}=\text{purchase} \ \vert\ \text{treatment}=\text{no email}), \end{align} 其中 $\Pr(\text{outcome}=\text{purchase}\ \vert\ ...)$ 是取决于是否接收到电子邮件而发生购买的概率。

将其与分类模型进行比较：使用分类模型，可以预测购买的概率。然而，高概率的客户无论是否收到电子邮件，可能都会在商店消费。

同样，可以使用数值提升来预测接收电子邮件时的数值消费增加。相比之下，回归模型只能提高预期消费，这在许多情况下是一个较不实用的指标。

在YDF中定义提升模型¶

YDF期望提升数据集以“平坦”格式呈现。 客户数据集可能如下所示：

treatment	outcome	feature_1	feature_2
0	1	0.1	blue
0	0	0.2	blue
1	1	0.3	blue
1	1	0.4	blue

处理是一个二元变量，指示示例是否接受了处理。在上面的例子中，处理指示客户是否收到了电子邮件。结果（标签）指示在接受处理（或未接受处理）后的示例状态。TF-DF支持分类结果用于分类提升，数值结果用于数值提升。

注意：提升在医学领域也经常使用。在这里，处理可以是医疗处理（例如施用疫苗），标签可以是生活质量的指标（例如患者是否生病）。这也解释了提升建模的命名法。

训练提升模型¶

在这个例子中，我们将使用个性化治疗效果的模拟的一个实例。

In [1]:

# 加载库
import ydf  # Yggdrasil决策森林
import pandas as pd  # 我们使用Pandas加载小型数据集。
import numpy as np

# 下载并加载一个排名数据集作为Pandas的DataFrame
ds_path = "https://raw.githubusercontent.com/google/yggdrasil-decision-forests/main/yggdrasil_decision_forests/test_data/dataset"
train_ds = pd.read_csv(f"{ds_path}/sim_pte_train.csv")
test_ds = pd.read_csv(f"{ds_path}/sim_pte_test.csv")

# 打印前5个示例
train_ds.head(5)

# 加载库 import ydf # Yggdrasil决策森林 import pandas as pd # 我们使用Pandas加载小型数据集。 import numpy as np # 下载并加载一个排名数据集作为Pandas的DataFrame ds_path = "https://raw.githubusercontent.com/google/yggdrasil-decision-forests/main/yggdrasil_decision_forests/test_data/dataset" train_ds = pd.read_csv(f"{ds_path}/sim_pte_train.csv") test_ds = pd.read_csv(f"{ds_path}/sim_pte_test.csv") # 打印前5个示例 train_ds.head(5)

Out[1]:

	y	treat	X1	X2	X3	X4	X5	X6	X7	X8	...	X11	X12	X13	X14	X15	X16	X17	X18	X19	X20
0	1	1	2.027911	0.278222	0.716672	-1.092175	-1.353849	-0.910061	-1.410070	-0.150630	...	1.931576	0.511000	-1.618037	-0.699228	-0.494174	0.196550	-0.150307	-0.511604	-0.995799	-0.560476
1	2	2	-1.494750	-1.602538	-0.283501	-1.337542	-0.579377	0.280663	-1.721265	0.800941	...	-0.616475	1.807993	0.379181	0.996452	1.127593	0.650113	-0.327757	0.236938	-1.039955	-0.230177
2	1	2	-1.572949	-0.320900	-1.135464	1.109242	-0.861044	-1.035670	0.665445	-1.186718	...	-0.562567	-1.702615	1.902250	-0.692745	-1.146950	0.671004	-1.448165	-0.541589	-0.017980	1.558708
3	1	2	-0.300212	-1.226114	-0.632817	0.810701	0.972678	0.273049	-0.430807	0.430636	...	-0.989963	0.287449	0.601874	-0.103483	1.481019	-1.284158	-0.697285	1.219228	-0.132175	0.070508
4	1	1	-0.764373	-0.776658	1.351161	-0.875981	0.619146	0.537798	-0.329039	0.216747	...	2.731228	-0.269114	1.732350	0.603866	0.916191	-2.026110	2.598490	0.174136	-2.549343	0.129288

5 rows × 22 columns

在这个数据集中，处理变量（treat）和结果变量（y）是二元变量，表示为 "1" 或 "2"（而不是 "0" 和 "1"）

我们可以训练一个提升模型：

In [2]:

model = ydf.RandomForestLearner(
    label="y",
    uplift_treatment="treat",
    task=ydf.Task.CATEGORICAL_UPLIFT).train(train_ds)

model = ydf.RandomForestLearner( label="y", uplift_treatment="treat", task=ydf.Task.CATEGORICAL_UPLIFT).train(train_ds)

Train model on 1000 examples
Model trained in 0:00:00.075023

提升模型通过 QINI 系数（Qini 曲线下的面积）和 AUUC（提升曲线下的面积）进行评估。

In [3]:

evaluation = model.evaluate(test_ds)

print(evaluation)

evaluation = model.evaluate(test_ds) print(evaluation)

QINI: 0.106807
AUUC: 0.120807
num examples: 2000
num examples (weighted): 2000