CTR 快速入门
本项目主要使用 DeepCTR 进行CTR模型训练。
开源本项目,方便初学者快速进行CTR模型训练。
【项目说明】
- 配置化运行,无需修改代码。
- 仅需提供训练数据,并通过简单的配置,即可实现CTR模型的训练。
- 支持模型 DeepFM、xDeepFM、DCNMix、DeepFEFM、DIFM 等。
- 最优模型自动保存,输出详细评估结果。
- 支持导出 SavedModel 格式模型,方便 TF Serving 部署。
- 项目依赖见 requirements.txt
【运行指令及参数】
使用了两份数据集进行演示,需要获取数据,可以见下方的链接。
详细执行指令如下(查看代码了解更多的执行参数):
1、movie
python train.py --model "DeepFM" --topic "movie" \
--params_file "./params/movie_params.json" \
--train_data "./train_data/movie_sample.csv"
2、criteo
python train.py --model "xDeepFM" --topic "criteo" \
--params_file "./params/criteo_params.json" \
--train_data "./train_data/criteo_sample.txt"
【运行结果】
拿项目数据(非演示数据)训练出的模型,在测试集的评估结果如下:
【GitHub地址】
- 需要获取训练数据和代码可以访问我的github,如果觉得有帮助,请star收藏,谢谢~
- 链接地址:MachineCYL/CTR