rtb:实时竞价算法实现

rtb Jim Caine - 2014 年 11 月 - 德保罗大学 - 计算广告 2014 年 11 月编写的项目。利用爱品优发布的历史实时出价数据探索实时出价算法。 机器学习算法（逻辑回归、决策树分类、LDA、朴素贝叶斯）用于预测任何给定印象的点击倾向。 然后通过模拟广告活动来测试模型（使用逻辑回归），通过投标任意每次点击成本 (CPC) 目标值乘以模型给出的点击倾向。 通过比较类似预算的实际每次点击费用值来评估模型的效用。 然后通过使用蒙特卡洛重采样程序来扩展投标算法以处理固定预算，以在整个活动中动态改变投标紧迫性（投标的缩放因子，类似于目标）。 带有 sci-kit learn 和 pandas 的 Python 被广泛用于 rtb.py 中的计算。