写出一个关于点击率预测的python代码
时间: 2024-01-14 13:02:19 浏览: 31
好的,以下是一个简单的关于点击率预测的Python代码,使用了逻辑回归模型:
```python
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据
data = pd.read_csv('clicks.csv')
# 特征工程
X = data.drop(['clicked', 'ad_id'], axis=1)
y = data['clicked']
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 构建逻辑回归模型
lr = LogisticRegression()
lr.fit(X_train, y_train)
# 预测并评估模型
y_pred = lr.predict(X_test)
acc = accuracy_score(y_test, y_pred)
print('Accuracy: {:.2f}%'.format(acc*100))
```
以上代码假设数据文件名为 `clicks.csv`,其中第一列为广告ID,第二列为广告对应的特征,最后一列为点击情况(0表示未点击,1表示点击)。首先读取数据并进行特征工程,然后将数据集划分为训练集和测试集,接着构建逻辑回归模型并训练,最后使用测试集进行预测并评估模型的准确率。