[应用开发] 基于随机森林算法的ROI预测模型
输入“/”快速插入内容
[应用开发] 基于随机森林算法的ROI预测模型
[应用开发] 基于随机森林算法的ROI预测模型
用户8537
用户50272025年12月10日修改
3232
3397
💡
作者：吵爷
之前碰到个需求，一些always on的转化类广告项目，客户经常会提问：我应该怎么分配每日的预算？在某个广告平台上，一套素材投几天？以往运营团队在没有精细计算的情况下，会给到一个比较模糊的轮廓经验值（比如一天80万，一套素材投14天），但在积累了一定量的数据以后，我们可以尝试用算法去完成这个预测（或者叫总结），给到一些更精确的回答。
这个任务我同样给了高斯过程回归和多项式回归（扩展到了3次方），但实践下来还是随机森林的算法效果更好，所以目前主要推荐用这套算法来完成预测。下面是具体的脚本，同样在colab上运行，需要改到本地运行的同学调整一下文件读取和存储的路径模块即可
步骤1：加载依赖项
代码块
import numpy as np
2import pandas as pd
3from sklearn.preprocessing import StandardScaler
4from sklearn.model_selection import train_test_split, GridSearchCV
5from sklearn.ensemble import RandomForestRegressor
6from sklearn.metrics import mean_squared_error
7from sklearn.gaussian_process import GaussianProcessRegressor
8from sklearn.gaussian_process.kernels import Matern
9from google.colab import files
步骤2：上传文件
这里默认文件命名为"data.xlsx"的文件，colab上避免重复上传，加入了删除历史文件的模块，本地不需要
代码块
# 删除之前保存的文件
file_path = 'data.xlsx'
if os.path.exists(file_path):
os.remove(file_path)
print(f"Deleted existing file: {file_path}")
# 上传Excel文件
uploaded = files.upload()
# 读取上传的Excel文件
# 上传的文件名为 'data.xlsx'
if not uploaded:
print("No file was uploaded. Please try again.")
else:
# 上传的文件名为 'data.xlsx'
file_name = list(uploaded.keys())[0]
if not file_name.endswith('.xlsx'):
print(f"Uploaded file is not an Excel file. Please upload a file with '.xlsx' extension.")
else:
# 读取上传的Excel文件
df = pd.read_excel(file_name)
步骤3：训练模型
注意：上传的excel文件对应的列标题和代码中对应。这里举例子："days, budget, cvr, roi" 是excel中的数据项目，所以之后的代码会对应。也可以改成自动化识别的，但因为我需要过滤一些影响权重比较小的数据（比如素材版本），所以这里直接定义了。
代码块
# 加载数据（确保这里是实际想要建模的数据列）
days = df.iloc[:, 1].values # 投放天数
budget = df.iloc[:, 2].values # 日均预算
cvr = df.iloc[:, 3].values # CVR
roi = df.iloc[:, 4].values # ROI
# 标准化预算、天数和CVR（避免绝对数值差异过大导致模型权重失衡）
scaler_budget = StandardScaler()
scaler_days = StandardScaler()
scaler_cvr = StandardScaler()
budget_scaled = scaler_budget.fit_transform(budget.reshape(-1, 1)) # 标准化预算
days_scaled = scaler_days.fit_transform(days.reshape(-1, 1)) # 标准化天数
cvr_scaled = scaler_cvr.fit_transform(cvr.reshape(-1, 1)) # 标准化CVR
# 创建输入数据矩阵 X，包括预算、天数和CVR，
X = np.hstack([budget_scaled, days_scaled, cvr_scaled])
# 使用 ROI 作为目标变量 y
y = roi
# 划分训练集和测试集 test_size = 0.2即训练数据的比例为20%，random_state=42 这里设置一个随机的种子，确保每次实验的结果相同便于对比
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 初始化随机森林回归模型 n_estimators=100，这个随机森林由100棵决策树组成（即弱学习器），避免单个学习器的过拟合问题
rf = RandomForestRegressor(n_estimators=100, random_state=42)
# 使用网格搜索进行超参数调优，param_grid 相当于一个字典，定义了要搜索的超参数的候选值。
param_grid = {
'n_estimators': [50, 100, 200], #决策树数量
'max_depth': [None, 5, 10], #决策树的最大深度
'min_samples_split': [2, 5, 10] #节点再划分的最小样本数
}
grid_search = GridSearchCV(rf, param_grid, cv=5, scoring='neg_mean_squared_error', n_jobs=-1)
grid_search.fit(X_train, y_train)
# 最优模型
best_rf = grid_search.best_estimator_
# 预测并计算误差
y_pred = best_rf.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print(f"Test MSE: {mse}") #计算模型方差，判断模型的拟合度