# DL_CTR
### 注:data文件夹用来存放特征矩阵,后续的DeepFM、FM等模型需要使用GBDT_LR文件夹内feature_engineer文件夹处理的特征矩阵。
1、数据集下载:[科大讯飞初赛数据集下载](http://www.dcjingsai.com/common/cmpt/2018%E7%A7%91%E5%A4%A7%E8%AE%AF%E9%A3%9EAI%E8%90%A5%E9%94%80%E7%AE%97%E6%B3%95%E5%A4%A7%E8%B5%9B_%E7%AB%9E%E8%B5%9B%E4%BF%A1%E6%81%AF.html)
2、GBDT_LR模型:将连续特征通过GBDT离散化并结合原类别特征,使用CSR矩阵存储One-Hot以后的特征矩阵,进而用LR模型训练。
3、DeepFM模型参考[DeepFM参考链接](https://github.com/ChenglongChen/tensorflow-DeepFM),其中FM模型的实现只需要将DeepFM中的Deep部分去掉即可实现。安利一个推荐系统的博客,[推荐系统博客](https://www.jianshu.com/p/6f1c2643d31b)。本人关于[DeepFM的博客](https://blog.csdn.net/buwei0239/article/details/86767737)。
4、Deep & Cross Network(DCN)模型参考DeepFM,实现EarlyStopping、L2正则化、Dropout,详见DCN文件夹。[DCN的博客](https://blog.csdn.net/buwei0239/article/details/86767378)。
5、Product-based Neural Networks(PNN)模型参考DeepFM,实现EarlyStopping、Dropout、inner-product和outer-product,通过use_inner参数来调用,详见PNN文件夹。[PNN的博客](https://blog.csdn.net/buwei0239/article/details/86755998)。
6、Neural Factorization Machines(NFM)模型参考DeepFM,实现EarlyStopping、Dropout,详见NFM文件夹。[NFM的博客](https://blog.csdn.net/buwei0239/article/details/86757381)
7、Attentional Factorization Machines(AFM)模型参考NFM,详见AFM文件夹。[AFM的博客](https://blog.csdn.net/buwei0239/article/details/86766008)
### 注:NFM、DeepFM训练模型速度较快;
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【项目资源】: 包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。 包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】: 所有源码都经过严格测试,可以直接运行。 功能在确认正常工作后才上传。 【适用人群】: 适用于希望学习不同技术领域的小白或进阶学习者。 可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】: 项目具有较高的学习借鉴价值,也可直接拿来修改复刻。 对于有一定基础或热衷于研究的人来说,可以在这些基础代码上进行修改和扩展,实现其他功能。 【沟通交流】: 有任何使用上的问题,欢迎随时与博主沟通,博主会及时解答。 鼓励下载和使用,并欢迎大家互相学习,共同进步。
资源推荐
资源详情
资源评论
收起资源包目录
基于科大讯飞AI营销算法比赛实现CTR深度学习方法.zip (66个子文件)
资料总结
DCN
DCN_main.ipynb 12KB
metrics.py 576B
DCN.py 17KB
output
DCN_loss0.4318.csv 2.09MB
DataLoader.py 3KB
__pycache__
DataLoader.cpython-36.pyc 2KB
DCN.cpython-36.pyc 10KB
config.cpython-36.pyc 1KB
metrics.cpython-36.pyc 906B
.ipynb_checkpoints
DCN_main-checkpoint.ipynb 12KB
config.py 2KB
PNN
metrics.py 576B
main.ipynb 25KB
PNN.py 16KB
DataReader.py 3KB
__pycache__
PNN.cpython-36.pyc 10KB
DataReader.cpython-36.pyc 2KB
config.cpython-36.pyc 1KB
metrics.cpython-36.pyc 906B
.ipynb_checkpoints
Untitled-checkpoint.ipynb 72B
main-checkpoint.ipynb 25KB
config.py 2KB
.gitattributes 66B
data
Readme.txt 370B
DeepFM & FM
metrics.py 576B
main.ipynb 27KB
output
FM_loss0.4354.csv 2.09MB
DeepFM_loss0.4311.csv 2.09MB
FM_loss0.4411.csv 2.09MB
DeepFM_loss0.4320.csv 2.09MB
DataReader.py 3KB
__pycache__
DeepFM.cpython-36.pyc 11KB
DataReader.cpython-36.pyc 2KB
config.cpython-36.pyc 1KB
metrics.cpython-36.pyc 909B
.ipynb_checkpoints
main-checkpoint.ipynb 27KB
DeepFM.py 17KB
config.py 2KB
NFM
metrics.py 576B
main.ipynb 26KB
output
nfm_loss0.4302.csv 2.09MB
NFM.py 15KB
DataReader.py 3KB
__pycache__
DataReader.cpython-36.pyc 2KB
NFM.cpython-36.pyc 9KB
config.cpython-36.pyc 1KB
metrics.cpython-36.pyc 906B
.ipynb_checkpoints
Untitled-checkpoint.ipynb 72B
main-checkpoint.ipynb 26KB
config.py 2KB
.ipynb_checkpoints
DeepFM-checkpoint.ipynb 72B
README.md 2KB
GBDT_LR
GBDT+LR.ipynb 9KB
feature_engineering.ipynb 30KB
.ipynb_checkpoints
feature_engineering-checkpoint.ipynb 30KB
GBDT+LR-checkpoint.ipynb 9KB
AFM
metrics.py 576B
AFM.py 15KB
main.ipynb 25KB
DataReader.py 3KB
__pycache__
AFM.cpython-36.pyc 9KB
DataReader.cpython-36.pyc 2KB
config.cpython-36.pyc 1KB
metrics.cpython-36.pyc 906B
.ipynb_checkpoints
main-checkpoint.ipynb 25KB
config.py 2KB
共 66 条
- 1
资源评论
妄北y
- 粉丝: 1w+
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功