天池- IJCAI-18 阿里妈妈搜索广告转化预测(完整版代码，数据集等总结)

于 2019-06-30 08:25:14 发布
阅读量2.8k 收藏 18
点赞数 4
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qushoushi0594/article/details/94205452
版权

转眼间已经毕业，再过一段时间就要踏上工作的岗位了。

发现有许多朋友问数据集，以及我的代码运行不出来的问题，果然我当时写博客太散漫了- - ！

本来想着把以前写的都重新修改一遍，但是我不是很喜欢CSDN的会员积分下载制度（曾经充的会员一年到头都没有用过几次），以后还是简书为主好了。

所以我整理了比赛时写的三篇博文的程序，按照行文逻辑注释了一遍，希望对大家有所帮助。

一、特征工程、stacking的代码

天池- IJCAI-18 阿里妈妈搜索广告转化预测新手入门经历（一：数据预处理、特征工程）

天池- IJCAI-18 阿里妈妈搜索广告转化预测新手入门经历（三：lightgbm调参、ensemble）

以上两篇博客的代码我整合到了一起，需要依次单独运行各模块。其中，比赛的代码分线上和线下，stacking需要用到特征工程处理后的数据，所以接在后面写了。

分享为百度云吧：

链接：https://pan.baidu.com/s/1msqbmNtDptr68wUf7q16aA 提取码：

最低0.47元/天 解锁文章
小火车的呜呜
关注
  • 4
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
天池- IJCAI-18 阿里妈妈搜索广告转化预测新手入门经历（一：数据预处理、特征工程）
qushoushi0594的博客
04-22 4163
第一次正式参加数据挖掘类的比赛，投入了三个星期。结果没有进入复赛，但是学到了许多经验。感谢技术圈和github的大佬们提供的baseline，让我少走了很多弯路。 第一次写博客，其一为了防止以后忘记，其二如果萌新能帮到萌新新们也是很开心啦。 思路：全文按照数据预处理、特征工程和模型融合讲解，并附有代码。 数据预处理 1 导入库和读取数据 1.1导入库： import pandas a...
IJCAI-18 阿里妈妈搜索广告转化预测 Top2%思路
junxinwoxin的博客
05-22 2304
IJCAI-18 阿里妈妈搜索广告转化预测 初赛Top2%思路 源码链接 赛题回顾 搜索广告的转化率，作为衡量广告转化效果的指标，从广告创意、商品品质、商店质量等多个角度综合刻画用户对广告商品的购买意向， 即广告商品被用户点击后产生购买行为的概率。 本赛题给出了某月18日到24日的数据作为训练集，并从25日的数据中（按用户？）抽取30%的数据作为A榜测试集， 70%的数据作为B榜测试集...
天池大数据阿里妈妈广告点击转换率预测比赛。.zip
09-30
天池大数据阿里妈妈广告点击转换率预测比赛。
如何通过阿里妈妈获取广告代码
03-15
如何通过阿里妈妈获取广告代码。2种通过阿里妈妈后台生成广告页的方法笔录.
-IJCAI-18-:IJCAI-18 阿里妈妈搜索广告转化预测复赛第94名方案
05-19
IJCAI-18 阿里妈妈搜索广告转化预测复赛第94名方案 感谢wzb同学倾情相助！ 赛题以阿里巴巴海量真实交易数据为背景，通过构建预测模型预估用户的购买意向 方案以数据清洗、特征提取、模型训练、模型融合的步骤进行，最终复赛排名94/5204 1_load_data:数据读入，简单的预处理 2_feature_extract:特征提取，包括一些统计特征和组合特征，将结果写入中间文件 3_gen_train_data:将中间文件合并成最终的训练测试数据 4_lightGBM_test:构建LGB单模型预测 5_stacking_lr:比赛后期进行模型stacking时使用的lr模型，由于lr模型要对特征进行ont-hot处理，故单独列出 6_stacking_modle:使用LGB,XGB和RF模型的stacking 7_stacking_2nd:第二层stacking 8_logloss_
天池- IJCAI-18 阿里妈妈搜索广告转化预测新手入门经历（三：lightgbm调参、ensemble）
qushoushi0594的博客
04-22 7212
lightgbm参数解释boosting = ‘gbdt‘，迭代器选’rf’效果略优is_unbalance=True，实际数据的样本是不均衡的，但是设置该参数导致迭代效果变差       bagging_fraction=0.7,       bagging_freq =1,使用了bagging方法，随机选择了70%的数据进行训练，每1步迭代做一次bagging效果无明显提高，但是理应有所提高。...
天池- IJCAI-18 阿里妈妈搜索广告转化预测新手入门经历(完：观看决赛答辩感想)
qushoushi0594的博客
06-23 1618
早一段时间看了决赛的答辩直播，作为一只萌新，决赛中提到的一些trick其实许多都有用到，但是没能够整合起来形成系统的框架，东拼西凑，自己都不知道一些trick的效果如何也加了进去，所以效率还是低了一些。决赛是用前7天的数据预测第8天下午的购买量。比之初赛的难度加大。拜拉席恩队1.Binning之前一直不知道在第一部分里的分段函数的专业名词叫啥，原来是叫做binning，分箱的意思，为了避免过拟合。...
IJCAI-18阿里妈妈广告搜索转化预测 总结
xb627586640的博客
05-21 1377
一、赛题赛题内容本次比赛以阿里电商广告为研究对象，提供了淘宝平台的海量真实交易数据，参赛选手通过人工智能技术构建预测模型预估用户的购买意向，即给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下预测广告产生购买行为的概率（pCVR），形式化定义为：pCVR=P(conversion=1 | query, user,...
IJCAI-18 阿里妈妈搜索广告转化预测 （初赛复赛前30名） 总结
u010379324的博客
05-15 4067
1. 比赛背景官网介绍：本次比赛以阿里电商广告为研究对象，提供了淘宝平台的海量真实交易数据，参赛选手通过人工智能技术构建预测模型预估用户的购买意向，即给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下预测广告产生购买行为的概率（pCVR），形式化定义为：pCVR=P(conversion=1 | query, u...
IJCAI-18-CVR:IJCAI-18 阿里妈妈搜索广告转化预测总结
04-30
IJCAI-18 阿里妈妈搜索广告转化预测总结（0.13966，53/5204） 赛题内容 本次比赛以阿里电商广告为研究对象，提供了淘宝平台的海量真实交易数据，参赛选手通过人工智能技术构建预测模型预估用户的购买意向，即给定...
IJCAI-18:IJCAI-18 阿里妈妈广告搜索转化率预测（round1 Rank 58)
05-17
IJCAI-18 阿里妈妈搜索广告转化率预测 队名：进复赛就开源 成绩：round1 Rank 58/5204,round2 112/5204   文件说明 main.py: 主函数，包括特征提取与函数定义。 EDA_visual.py: 数据可视化分析文件 Bayes code: ...
IJCAI-18alimama:IJCAI-18 阿里妈妈搜索广告转化预测大赛，top50方案
05-18
IJCAI-18 阿里妈妈搜索广告大赛 赛题介绍 给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下预测广告产生购买行为的概率（pCVR）。其中初赛...
Python-IJCAI18阿里妈妈搜索广告转化预测初赛方案
08-11
【Python-IJCAI18阿里妈妈搜索广告转化预测初赛方案】是针对IJCAI-18（国际人工智能联合会议）阿里妈妈主办的一项比赛，该比赛的核心任务是预测搜索广告的转化效果，即用户点击广告后是否会产生购买等有价值的行为。...
qt练习控件label控件-lineEdit控件样例代码
最新发布
07-30
qt练习控件label控件-lineEdit控件样例代码
【JCR一区级】麻雀搜索算法SSA-CNN-LSTM-Attention故障诊断分类预测【含源码 5689期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Attention分类系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Attention分类 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Attention分类 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Attention分类 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Attention分类 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Attention分类
详解MATLAB Simulink通信系统建模与仿真
07-30
第1 章 MATLAB 基础与通信系统仿真 1.1 MATLAB 简介 1.2 MATLAB 程序设计 1.3 通信系统仿真 第2 章 Simulink 仿真基础 2.1 Simulink 简介 2.2 Simulink 工作环境 2.3 Simulink 仿真的基本方法 2.4 创建自己的模块库 2.5 S-函数的编写 第3 章 通信信号与系统分析 3.1 离散信号和系统 3.2 Fourier 分析 3.3 带通信号的低通等效 3.4 随机信号分析 第4 章 信道 4.1 加性高斯白噪声信道 4.2 多径衰落信道 第5 章 模拟调制 5.1 幅度调制 5.2 角度调制 第6 章 数字基带传输 6.1 概述 6.2 二进制基带信号传输 6.3 基带PAM 信号传输 6.4 带限信道的信号传输 第7 章 数字信号载波传输 7.1 概述 7.2 载波幅度调制（PAM） 7.3 载波相位调制（PSK） 7.4 正交幅度调制（QAM） 7.5 载波频率调制（FSK） 第8 章 信道编码和交织 8.1 概述 8.2 线性分组码
SCI一区】淘金算法GRO-CNN-BiLSTM-Mutilhead-Attention多变量时序预测含源码 5642.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-BiLSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-BiLSTM-Mutilhead-Attention回归预测
2020年首届“洪泽湖杯”中国人工智能掼蛋算法大赛第8名我就是掼蛋.zip
07-30
毕业设计是高等教育阶段学生完成学业的一个重要环节，通常在学士或硕士学业即将结束时进行。这是学生将在整个学业中所学知识和技能应用到实际问题上的机会，旨在检验学生是否能够独立思考、解决问题，并展示其专业能力的一项综合性任务。 毕业设计的主要特点包括： 独立性： 毕业设计要求学生具备独立思考和解决问题的能力。学生需要选择一个合适的课题，研究相关文献，进行实地调查或实验，并提出独立见解。 实践性： 毕业设计是将理论知识应用到实际问题中的一次实践。通过完成毕业设计，学生能够将所学的专业知识转化为实际的解决方案，加深对专业领域的理解。 综合性： 毕业设计往往要求学生运用多个学科的知识，综合各种技能。这有助于培养学生的综合素养，提高他们的综合能力。 导师指导： 学生在毕业设计过程中通常由一名指导老师或导师团队提供指导和支持。导师负责引导学生确定研究方向、制定计划、提供建议，并在整个过程中监督进展。 学术规范： 毕业设计要求学生按照学术规范完成研究，包括文献综述、研究设计、数据采集与分析、结论和讨论等环节。学生需要撰写一篇完整的毕业论文，并进行答辩。
python ijcai-18 阿里妈妈搜索广告转化预测 逻辑回归模型
09-28
Python ijcai-18阿里妈妈搜索广告转化预测中，逻辑回归模型是一种常用的机器学习算法。 逻辑回归是一种分类算法，它可以用于预测目标变量的概率。在广告转化预测中，我们通常希望根据用户点击广告的特征，预测用户是否会产生转化行为，例如购买产品或者注册账户。 逻辑回归模型的核心思想是通过建立一个线性回归模型，并将其结果映射到一个概率范围内，通常为0到1之间。其中，sigmoid函数被用于将线性回归的输出值映射到概率范围内。 具体来说，在模型训练阶段，我们需要准备一组已知的训练数据，包含用户的广告点击特征以及对应的转化标签。然后，通过最大似然估计等方法，选择合适的参数，来建立一个能够尽可能准确地预测转化行为的逻辑回归模型。 在模型预测阶段，我们可以输入一个新的样本特征向量，通过逻辑回归模型计算得到该样本属于转化的概率。通常，我们会将概率值与一个阈值进行比较，大于阈值则判断为转化，小于阈值则判断为未转化。 通过逻辑回归模型，我们可以根据用户的广告点击特征，预测用户是否会产生转化行为。这对于广告投放和优化具有重要的参考价值，可以帮助广告商更加准确地预测广告效果，并优化广告投放策略，提高转化率。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值