關於騰訊演算法大賽

本文參考於我協會前會長吳師兄的文件

賽題比較難理解, 因為賽題屬於廣告學範疇, 如果實在難以理解賽題的可以先看看這篇文章, 看完再重新看一遍賽題就會通透許多轉化率預估

賽題要求

評估方式(賽題中提供的計算公式)

通過logarithmic loss評估(越小越好)，公式如下：

其中，n是測試樣本總數，

yi是二值變數，取值0或1，表示第i個樣本的label，

pi為模型**第i個樣本 label為1的概率。

示例**(python語言實現)：

專案目的

主要在於剖析和學習大賽中取得 第64 名大牛的分享， 對其**進行理解和分析， 主要著重點在於特徵工程。

機器學習的主要流程

機器學習流程

資料分析和清洗方法

值得注意的是，本次競賽的訓練資料提供的截止第31天0點的廣告日誌，因此，對於最後幾天的訓練資料，某些label=0並不夠準確，可能廣告系統會在第31天之後得知label實際上為1。

即最後幾天有部分資料不準確

對於這個問題, 這裡採用了比較暴力的方法, 將最後幾天這些可能會出現問題的資料刪除

特徵工程

特徵工程即根據基本的資料提取出更多有用的資料, 然後結合基本特徵來選取最終決定需要採用訓練的特徵資料, 往往特徵工程決定了最終**的效果

基本資料在官方已經提供了資料描述的**, 這個一定要好好理解每乙個欄位的作用, 這裡就不重複描述資料的字段了

在這裡先強調一下，在做完特徵工程之後, 我們得到了更多的特徵, 但並不是每乙個特徵都對模型的訓練有用, 故此我們需要對特徵進行篩選 (不僅僅是單方面的取捨, 還需要根據重要的程度進行權重的分配)

通過資料分析，計畫以下的特徵作為最終的訓練資料標籤

1.基礎特徵：計數特徵、轉化率、比例特徵等各種基本的特徵(各種id)

3.使用者歷史行為特徵：word2vec 計算使用者行為與歷史行為的關聯

1. 基礎特徵

要作過多的處理

2、3 使用者行為特徵的處理

使用者行為特徵的處理邏輯較為繁瑣， 也是整個專案中最繁瑣的操作， 邏輯比較難理

清，建議通過原始碼來理解

關於騰訊演算法大賽

本文參考於我協會前會長吳師兄的文件 賽題比較難理解,因為賽題屬於廣告學範疇,如果實在難以理解賽題的可以先看看這篇文章,看完再重新看一遍賽題就會通透許多轉化率預估 賽題要求 評估方式 賽題中提供的計算公式 通過logarithmic loss評估 越小越好 公式如下 其中，n是測試樣本總數，yi是二值...

騰訊校園之星 創新設計大賽 總結

1.idea很重要。你做的東西一定要足夠創新，這樣也暗示了程式設計實力再好是沒有用的。soso關注的創新不足，實用有餘。2.儘管是測試介面，前台很重要。不過我還是盡可能的用了許多web2.0的效果出來。3.要體現你的技術。儘管我採用了 php頂層，c 底層的架構。或許沒有很高深的演算法是我們沒有晉級...

騰訊廣告演算法大賽 初賽第一名心得分享

1 特徵工程 在初賽時候我們發現one hot的特徵和我們的統計特徵差異性很大，所以我們在自己近百維的統計特徵上直接加入了one hot的特徵，帶來了7個千左右的提高，而我們的統計特徵為了防止資訊洩露都是採用5 fold的方式提取的。而在複賽的時候因為資料量的大量增加，one hot特徵已經無法使用...