广告的转化率预估

源码链接：https://github.com/yemahei/test

广告的转化率预估模型

1. 总体介绍

目前，互联网公司中收入占比中，广告占了很大的比重，互联网广告是最重要的一种商业模式之一。如何提升广告的收入，那就是吸引更多的用户在自己的平台上做广告。这就涉及到一个推广效率的问题，用户只有在你这个平台上推广产品取得了很好的效果，他们才会信任你。

所以我做了一个广告的转化率预估模型。广告推广平台可以发挥特有的用户识别和转化跟踪数据能力，帮助广告主跟踪广告投放后的转化效果，基于广告转化数据训练转化率预估模型(pCVR，Predicted Conversion Rate)，在广告排序中引入pCVR因子优化广告投放效果，提升ROI。

1. 数据集介绍

2.1 数据集大小

从腾讯社交广告系统中某一连续两周的日志中按照推广中的App和用户维度随机采样。训练集370多万条数据 测试集30多万条数据。

2.2

数据集介绍集特征分析

 

广告特征介绍

 

用户特征

 

上下文特征

 

　　

1. 数据的预处理

a.连续属性离散化

b.类别特征编码

c.数据集成

将年龄和一天的时间进行连续属性离散化

将省份和城市以及app的类目进行类别特征编码

将各个数据表利用pandas库连接起来汇总成一个表

1. 模型的建立

为什么选择随机森林

1、 在当前的很多数据集上，相对其他算法有着很大的优势，表现良好

2、它能够处理很高维度（feature很多）的数据，并且不用做特征选择

3、在训练完后，它能够给出哪些feature比较重要

4、在创建随机森林的时候，对generlization error使用的是无偏估计，模型泛化能力强

5、 对于不平衡的数据集来说，它可以平衡误差。

6、如果有很大一部分的特征遗失，仍可以维持准确度。

对数据进行平衡处理

数据的正负样本比：1：40    （会造成过拟合）

如何处理不平衡数据集

采用的Bagging:

Bagging基于自助采样法(bootstrap sampling)。给定包含m个样本的数据集，先随机取出一个样本放入采样集中，再把该样本放回初始数据集，使得下次采样时该样本仍有可能被选中。这样，经过m次随机采样操作，我们得到含m个样本的采样集，初始训练集中有的样本再采样集里多次出现，有的则从未出现。

随机森林调参

1. n_estimators =100（决策树的个数）

2. max_depth 默认 (树的最大深度)

3. max_features 默认（选择最适属性时划分特征的最大值）

4. predict_proba (输出有概率的结果)

实验结果