小果一粒沙的博客

pandas聚合的特征计算

讲一下召回的大致流程，粗糙的，以后慢慢细化1，获取数据需要用到的数据：原始数据，有五个场景，全场景、home, hot, rel, chooseECPM数据，可能是需要计算imei, APP_id数据mapping数据，一个index，一个是appidembedding数据，一个index, 一个是软件的编码，与mapping是相对应的2，处理数据，进行筛选主要筛选有以下几步：重复变量空数据曝光数目比较小，需要删去流量的筛选，这会对之后某个模块的调参有影响。一个对照组，一.

前言主要是过去一年做事情没有一个系统化的概念，今年就想就此改变一下。先从写笔记开始，将我这学期学习到的东西，参加的比赛，写出来，算是过路有痕。比赛大部分应该不是我自己一个人参加的，分工合作嘛，那我就把自己做的写出来，详细点；了解了一点东西，写下来，以后就可以更加深入学习了。同学做的，写出来，简略一下，不过我也尝试了解一下他们的思想，下次去实现一下。不一次性写完，尽量想写得详细一些。写完的就画勾勾，没写完就继续写，反正养成记录的习惯。（我的碎碎念我写的代码后面也跟着整理出来（就算是辣鸡我也要整理出来！

本文主要介绍文本分类的前几个步骤，数据获取+数据清洗下一个模块会开始讲解文本文本数据到数值数据的过渡，将文本数据转化为数值数据，并且提取转化后的特征，降维，输入到文本分类器中进行训练、测试、评估。文本分类的基本步骤：1.数据获取方法：网页爬虫，使用别人的代码或者自己写代码（GitHub上找有没有你需要的）2.数据清洗方法：去重，去除重复的评论。如果数据抓取的好，则可以不用执行这一步...