CTR预估（4）--CTR特征工程

1、特征工程

　　模型与特征在机器学习中的关系：

　　

　　特征：决定了效果的上限；模型决定了接近效果上限的程度；

　　数据格式：

　　

　　label：0/1点击或者没有点击

　　urlID：广告的url经过hash后得到的hash值

　　adid：广告本身的ID

2、数据预处理

　　（1）、label匹配

　　　　主要就是不同数据文件中的不同的特征合到一起，整理成一个特征集；

　　　　

　　（2）负样本采样

　　　　丢弃负样本，保留正样本，使得训练集变小，便于训练

　　　　

 3、特征工程

　　一般来说：

　　

　　Ad中title表示广告的文字描述；浏览器可能会屏蔽广告，以及不同人群使用的浏览器可能不同；

　　对于KDDcup数据集来说：

　　

　　对于特征来说可以大致分为两类：

　　

　　泛化能力表示使用一个特征推论其他的特征；自解释能力使用一个特征来表示该特征的属性。

　　比如：

　　

　　

4、特征处理方法

　　

　　（1）、One Hot Encoding

　　（2）、离散化

　　

　　3、特征组合

4、模型训练

　　训练的目的：

　　

　　在这里使用逻辑斯蒂函数，进行逻辑回归训练。