廣告推薦CTR點(diǎn)擊率預(yù)測實(shí)踐項(xiàng)目！

與報(bào)紙、雜志、電視、廣播這些傳統(tǒng)的傳播媒體廣告相比，新生的互聯(lián)網(wǎng)廣告擁有天然優(yōu)勢：它能夠追蹤、研究用戶的偏好，并在此基礎(chǔ)上進(jìn)行精準(zhǔn)廣告推薦和營銷。

CTR（Click-Through-Rate）即點(diǎn)擊通過率，是衡量互聯(lián)網(wǎng)廣告效果的一項(xiàng)重要指標(biāo)。這個(gè)問題是近幾年各大平臺(tái)研究的熱點(diǎn)。本文借助華為全球校園AI算法精英賽題——廣告-信息流跨域ctr預(yù)估，對該問題進(jìn)行研究。

實(shí)踐背景

賽題背景

廣告推薦主要基于用戶對廣告的歷史曝光、點(diǎn)擊等行為進(jìn)行建模，如果只是使用廣告域數(shù)據(jù)，用戶行為數(shù)據(jù)稀疏，行為類型相對單一。而引入同一媒體的跨域數(shù)據(jù)，可以獲得同一廣告用戶在其他域的行為數(shù)據(jù)，深度挖掘用戶興趣，豐富用戶行為特征。引入其他媒體的廣告用戶行為數(shù)據(jù)，也能豐富用戶和廣告特征。

賽題任務(wù)

本賽題基于廣告日志數(shù)據(jù)，用戶基本信息和跨域數(shù)據(jù)優(yōu)化廣告ctr預(yù)估準(zhǔn)確率。目標(biāo)域?yàn)閺V告域，源域?yàn)樾畔⒘魍扑]域，通過獲取用戶在信息流域中曝光、點(diǎn)擊信息流等行為數(shù)據(jù)，進(jìn)行用戶興趣建模，幫助廣告域ctr的精準(zhǔn)預(yù)估。

報(bào)名及數(shù)據(jù)下載

報(bào)名地址：

https://developer.huawei.com/consumer/cn/activity/digixActivity/digixdetail/101655281685926449?ha_source=dw&ha_sourceId=89000243

數(shù)據(jù)下載：（沒有參賽過的同學(xué)參考）

https://xj15uxcopw.feishu.cn/docx/doxcnufyNTvUfpU57sRyydgyK6c

實(shí)踐思路

本次比賽是一個(gè)經(jīng)典點(diǎn)擊率預(yù)估（CTR）的數(shù)據(jù)挖掘賽，任務(wù)是構(gòu)建一種模型，根據(jù)用戶的測試數(shù)據(jù)來預(yù)測這個(gè)用戶是否點(diǎn)擊廣告。這是典型的二分類問題，模型的預(yù)測輸出為 0 或 1 （點(diǎn)擊：1，未點(diǎn)擊：0）

機(jī)器學(xué)習(xí)中，關(guān)于分類任務(wù)我們一般會(huì)想到邏輯回歸、決策樹等算法，在本文實(shí)踐代碼中，我們嘗試使用邏輯回歸來構(gòu)建我們的模型。我們在解決機(jī)器學(xué)習(xí)問題時(shí)，一般會(huì)遵循以下流程：

實(shí)踐代碼

• 需要內(nèi)存：1GB
• 運(yùn)行時(shí)間：5分鐘

#安裝相關(guān)依賴庫 如果是windows系統(tǒng)，cmd命令框中輸入pip安裝，參考上述環(huán)境配置
#!pip install sklearn
#!pip install pandas

#---------------------------------------------------
#導(dǎo)入庫
import pandas as pd

#----------------數(shù)據(jù)探索----------------
# 只使用目標(biāo)域用戶行為數(shù)據(jù)
train_ads = pd.read_csv('./train/train_data_ads.csv',
    usecols=['log_id', 'label', 'user_id', 'age', 'gender', 'residence', 'device_name',
            'device_size', 'net_type', 'task_id', 'adv_id', 'creat_type_cd'])

test_ads = pd.read_csv('./test/test_data_ads.csv',
    usecols=['log_id', 'user_id', 'age', 'gender', 'residence', 'device_name',
    'device_size', 'net_type', 'task_id', 'adv_id', 'creat_type_cd'])
    
#----------------數(shù)據(jù)集采樣----------------
train_ads = pd.concat([
    train_ads[train_ads['label'] == 0].sample(70000),
    train_ads[train_ads['label'] == 1].sample(10000),
])

#----------------模型訓(xùn)練----------------
# 加載訓(xùn)練邏輯回歸模型
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()
clf.fit(
    train_ads.drop(['log_id', 'label', 'user_id'], axis=1),
    train_ads['label']
)

#----------------結(jié)果輸出----------------
# 模型預(yù)測與生成結(jié)果文件
test_ads['pctr'] = clf.predict_proba(
    test_ads.drop(['log_id', 'user_id'], axis=1),
    )[:, 1]
test_ads[['log_id', 'pctr']].to_csv('submission.csv',index=None)

實(shí)踐提升

我們完成了廣告信息流跨域ctr預(yù)估實(shí)踐的baseline任務(wù)，接下來可以從以下幾個(gè)方向思考：

• 繼續(xù)嘗試不同的預(yù)測模型或特征工程來提升模型預(yù)測的準(zhǔn)確度
• 嘗試模型融合等策略
• 查閱廣告信息流跨域ctr預(yù)估預(yù)測相關(guān)資料，獲取其他模型構(gòu)建方法

參與內(nèi)測

本文為Datawhale項(xiàng)目實(shí)踐2.0教程，如果你也是在校生，還在入門階段，可以進(jìn)內(nèi)測學(xué)習(xí)群，我們在學(xué)習(xí)反饋中一起優(yōu)化教程。