案例知识点
-
推荐系统任务描述:通过用户的历史行为(比如浏览记录、购买记录等等)准确的预测出用户未来的行为;好的推荐系统不仅如此,而且能够拓展用户的视野,帮助他们发现可能感兴趣的却不容易发现的item;同时将埋没在长尾中的好商品推荐给可能感兴趣的用户。CTR表示Click-Through-Rate点击率,CTR = 点击量/展示量。
-
方法概述:本教程包括以下内容:从原始的数据文件中加载数据、缺失值填充、特征编码、训练模型、结果展示。对于与特征域有关的模型,可以分为特征编码和分类器两个步骤。其中特征编码是将原始输入的离散特征和连续特征转化为向量表示。在本教程中采用embedding编码,即将每个特征值映射到一个固定维度的连续值向量。同时,选用FNN模型,通过AUC和LogLoss指标评测训练结果。
-
2.准备工作
- 运行环境:
python3.7 numpy=1.16.4 pandas=1.1.3 tqdm=4.50.2 pytorch=1.6.0 tensorflow=1.15.4 requests=2.24.0 scikit-learn=0.23.2
- 可以使用conda命令安装上述模块并制定版本: conda install numpy &#