2020华为DIGIX比赛文档.zip

# DiGIX-2020 2020 华为DIGIX 比赛文档 # Usage 1. 首次使用直接`git clone到本地即可` 1. 在自己文件夹创建`.gitignore`，将数据等文件夹写入`.gitignore`，不要同步数据，只同步代码。 1. 在每次写代码前要`git pull`，拉取一下队友的代码再开始写。 1. 写完代码后，使用`git add .`添加到本地缓存区，提交代码前使用`git commit -m '日志内容...'`，添加本次代码内容的日志，使用`git push`提交到GitHub，若出现merge冲突可能需要手工解决代码合并冲突。 # Introduction ```bash $ cd zlh $ tree -L 1 . ├── base ├── ctb_baseline0913.ipynb ├── data_reprocess_step1.py # 得到最原始的特征one-hot特征,data_reprocess要依次运行 ├── data_reprocess_step2.ipynb ├── data_reprocess_step3.ipynb ├── data_reprocess_step3.py ├── data_reprocess_step4.ipynb ├── data_reprocess_step5.ipynb ├── get_sample_data.ipynb # 抽样一小部分数据用来测试代码 ├── testmulti_process_0911.py # 人造的数据集用于测试代码 └── test_w2v_feature.py ``` **数据介绍** train_data.csv给定的特征包含了 - 用户特征比如：uid age gender city device_name device_type... - 广告特征比如：task_id adv_id creative_type_cd... - 用户和广告交互的时间：pd_d (训练集pt_d=1~7 测试集pt_d=8) ``` label 标签 uid 匿名化处理后的用户唯一标识 task_id 广告任务唯一标识 adv_id 广告任务对应的素材id creat_type_cd 素材的创意类型id adv_prim_id 广告任务对应的广告主id dev_id 广告任务对应的开发者id inter_typ_cd 广告任务对应的素材的交互类型 slot_id 广告位id spread_app_id 投放广告任务对应的应用id tags 广告任务对应的应用的标签 app_first_class 广告任务对应的应用的一级分类 app_second_class 广告任务对应的应用的二级分类 age 用户的年龄 city 用户的常驻城市 city_rank 用户常驻城市的等级 device_name 用户使用的手机机型 device_size 用户使用手机的尺寸 career 用户的职业 gender 用户的性别 net_type 行为发生的网络状态 residence 用户的常驻省份 his_app_size app存储尺寸 his_on_shelf_time 上架时间 app_score app得分（百分制噪声） emui_dev emui版本号 list_time 上市时间 device_price 设备价格 up_life_duration 华为账号用户生命时长 up_membership_grade 服务会员级别 membership_life_duration 会员用户生命时长 consume_purchase 付费用户 communication_onlinerate手机在线时段 communication_avgonline_30d 手机日在线时长 indu_name 广告行业信息 pt_d 行为发生的时间 ``` **For Details** 1. data_reprocess_step1.py 保存为两个pkl文件，其中一个为所有数据，另一个为展开cmr的所有数据 1. data_reprocess_step2.py 加入统计特征，进行target encoding，具体的是使用label的mean作为target encodeing 1. data_reprocess_step3.py 对cmr做embedding，对用户过去一天的序列做embedding