【SPA大赛】SPA大赛数据探索与解题思路

一、引言

本次腾讯社交广告算法大赛以移动app广告转化率预估为背景，以移动App广告为研究对象，预测App广告点击后被激活的概率：

[image.png]

，即给定广告、用户和上下文情况下广告被点击后发生激活的概率。由于我是一个数据挖掘比赛的新人，所以我就说一下我参加比赛的体验吧，和我们的一些结题思路吧。

二、初赛历程

（1）数据分析：

1.每天的交互行为即点击数、安装次数即转化数、转化率（如下2图）：

[1496999526359_1398_1496999526832.png]

[1496999542939_9930_1496999543219.png]

2.每天出现的用户数量、app数量、app种类数量（如下3图）：

[1496999557380_7628_1496999557772.jpeg]

[1496999557380_7628_1496999557772.jpeg]

[1496999575549_5196_1496999575951.jpeg]

等等，数据的初始分析让我们更好地理解数据的分布，加深对赛题的理解。

（2）特征提取：

ID类特征，统计特征，基于业务的特征以及一些trick。

ID类特征：

1.年龄 2.性别 3.平台 4.联网方式

以上的特征都采取one-hot编码

统计特征：

1.用户 2.素材 3.app 4.广告主 5.广告位 6.站点集合 7.联网方式 8.运营商

以上特征分别计算点击数，下载数，下载率

基于业务的特征：

1.重复点击的情况

2.不同年龄段重复点击的下载率

一些trick:

本题是一个用户下载率的问题，下载的主体是客户，所以要做细用户的特征，但由于每一天新用户（这里的新用户是指之前没有发生过交互行为的用户）占了很大的比重，所以之前对用户做的一些统计特征会变的很稀疏，起不到什么作用。但从业务的角度，当一个用户对某个APP发 生了多次点击行为，这个用户就会有更大的可能性会下载，所以我们可以利用这种业务的情况来做一些统计特征。举一个例子，之前对用户的年龄做统计特征时，发 现各个年龄段的用户的下载率都差不多相同，但对重复点击的这种行为做统计后就可以发现，不同年龄段的人下载率就会有比较大的差异，年龄比较小的人多次点击 的下载率就比较高，年龄比较大的人多次点击的下载率就比较低。其它的一些特征也是如此。

（3）模型搭建

TRAIN SET：24、25、26、27、28

VAL SET：29

TEST SET：31

单模型：

Xgboost，LightGBM，GBDT，RF，LR等等我们都尝试过。

目前来看基于我们提取的特征，单模型Xgboost效果会好点。

模型融合：

目前我们正在尝试stacking的方式，其基本思路与方法为：

训练过程：

[1496999625246_2220_1496999625878.jpeg]

预测过程：

[1496999637042_1511_1496999637553.jpeg]

最后感谢一下大赛的主办方，为我们提供了一个锻炼并提升自己的机会！