ctr

experiments of ctr prediction algorithm

特征工程

数据的特征有以下trick：

• site_id == '85f751fd'是APP数据
• device_id == 'a99f214a'是匿名数据，用device_ip + device_model代替
• app的数据和site的数据需要分开使用, 都有id、domain、category三个属性

最后采用的feature:

• 媒体特征：pub_id、pub_domain、pub_category
• 广告位特征：banner_pos
• 用户特征：device_model、device_conn_type
• 盲特征：C14、C17、C20、C21
• 时间特征：hour
• 统计特征：
  • device_ip_count 、device_id_count: > 1000时为值， 否则为出现的次数
  • smooth_user_hour_count: 当前小时user_id出现的次数， >30 次则统一一个数字
  • 如果用户出现总次数>30，取用户出现总次数user_count，不然取用户出现出user-count + user-click-history，user-click-history去用户前一个小时最近4次的点击记录，例如0100（对比赛预测无用，会直接退化成user_count？）