关于腾讯算法大赛

腾讯算法大赛

本文参考于我协会

面向高校大学生的算法大赛，是腾讯社交广告高校算法大赛，腾讯社交广告作为腾讯核心的广告业务单元，它通过深入分析海量社交数据，构建多样广告场景，还与8亿用户连接对话，在大数据、机器学习领域持续创新投入爱游戏最新官网登录入口，以此驱动社交广告生态发展，本次大赛旨在开放腾讯在社交和数字广告领域的真实数据，面向高校学生征集最智慧的算法解决方案 。

见详细赛题，记得也要看完 FAQ，其中也涵盖有许许多多很重要信息句号。

赛题存在着不容易被理解的状况，其缘由在于赛题是归属于广告学这一领域。要是确实存在对赛题极其难于进行理解的情况，那么可以先去瞧瞧这一篇文章，而后看完之后再一次去阅读赛题，如此一来就会变得明白通畅许多 。

官方不再关闭那份数据的下载通道，然从前已备份至百度云，于此处提供与大家。

赛题要求

官方要提供处于17天至30天这个时间段内关于移动APP的广告状况，还要提供用户的转化情形，以及与之相关的上下文内容，依据这些数据来预测第31天中指定某个用户和与之对应的广告所具备的转化率。

评估方式 (赛题中提供的计算公式)

借助Logarithmic Loss来进行评估，且该评估是越小越好，其公式如下：

其中，

N是测试样本总数，

yi是二值变量，取值0或1，表示第i个样本的label，

pi为模型预测第i个样本 label为1的概率。

示例代码(Python语言实现)：

项目目的

先是拿来剖析一位在大赛里斩获第64名佳绩的大牛所做的分享，还要对他给出的代码去尽力理解并细致分析，而重中之重着重放在特征工程这方面。

机器学习的主要流程

机器学习流程

数据分析和清洗方法

关于数据分析，阅读FAQ可知：

App的激活被界定为，用户于下载之后启动了此App，这也就意味着产生了激活行为。从用户点击广告开始，一直到广告系统知晓用户激活了App（要是存在这种状况的话），一般而言会存在较长的时间间隔，主要是由如下两方面原因所引发的：

1) 用户可能在下载之后过了很久才启动App；

第一，用户启动App这一行为是需要广告主进行上报的。第二，上报之后还要回传至广告系统。第三，通常而言，这整个过程是会存在一定延时情况的。

此处回流时间，所呈现的是广告主向广告系统上报App激活数据的那个时间，而回流时间超出5天的数据，将会被系统予以忽略 。

需要留意的是，此次竞赛所提供的训练数据是以截止到第31天0点的广告日志为准的，所以，针对最后几天的训练数据来看，某些显示label=0的情况并非足够精准爱游戏app官方网站登录入口，也许广告系统将会在第31天之后才知晓label实际上是为1的。

某些app和用户的记录比较少

最后几天有部分数据不准确

对于这个有问题的情况，在这里运用了较为蛮横的行动方式，将临近那几日有可能面临疑难的一些数据给消除掉，。

特征工程

在数据领域中，特征工程指的是，依据基础的数据，提取出更多具备用处的数据；之后，将这些提取的数据，与基本特征相结合，进而，挑选出最终用以决定需要采用训练的特征数据；通常情况下，特征工程对最终预测的效果起着决定性的作用。

官方提供数据表，其中有基本数据描述，对于此，要好好理解每个字段作用，这里不再赘述数据字段 。

先在此着重说明一下，在完成特征工程之后，我们获取到了更多的特征，然而并非每一个特征对于模型的训练都具备效用，所以我们要对特征展开筛选，这种筛选不只是单方面的取舍行为，还得依据重要程度来进行权重的分配爱游戏app入口官网首页，。

通过数据分析，计划以下的特征作为最终的训练数据标签

首先是基础特征，它包含计数特征，还有转化率，以及比例特征等各类基本的特征，这些特征里有各种ID 。

2. 用户当日行为特性：依据当日数据所统计得出的，关于用户行为，以及 app 行为的种种特性 。

3.关于用户历史行为特征的情况如下，通过word2vec这种方式，来计算用户行为与历史行为之间的关联 。

1. 基础特征

基础特征是腾讯官方所提供的数据，是各种各样的ID标签，把一些没有用处的标签去除掉就行，不必要。

要作过多的处理

2、3 用户行为特征的处理

对用户行为特征进行处理的逻辑，是整个项目里最为繁杂琐碎的操作，其较为复杂，很难理清其中的逻辑关系，是很繁琐的。

清，建议通过源码来理解