腾讯社交广告高校算法大赛——总结

#腾讯社交广告高校算法大赛——总结

Another url: https://bulihanjie.github.io/2017/07/08/腾讯社交广告高校算法大赛总结/

---

题目描述

http://algo.tpai.qq.com/home/home/index.html

---

成绩

决赛第7名

---

赛题分析

比赛中，我们比较关心的一个问题在于：数据线上线下分布不一致：1、某些app和用户的记录比较少；2、数据的时效性要求较高。这对于特征工程会是一个比较大的要求，在比赛中有许多的特征会使得线上的成绩下降，比如各种差分的特征。

---

特征工程

特征的提取主要有以下几个方面：

1. 基础特征：计数特征、转化率、比例特征等各种基本的特征；
2. 线上的特征：基于当天数据统计的用户行为、app行为的特征；
3. 用户行为挖掘特征：word2vec计算用户行为与历史行为的关联；

特征提取方式有以下几个方面考虑：

1. 基于cv统计、贝叶斯平滑等方法，能够很好的修正线上线下的特征分布不一致的问题；
2. 特征提取主要有基于全局的数据统计以及滑窗的历史统计。

• 基于全集的数据统计生成的特征：是决赛中主要的特征提取方式，效果比较平稳，而且信息量比较多，但容易会有信息泄露的问题需要通过cv统计来避免，而且难以反映时间变化的信息。
• 基于滑窗的生成特征：能反映时序上的信息，不会有信息泄露的问题。但是生成的特征数量多，线上线下的分布差异比较大，特征工程方面的工作量比较大。

因此，比赛中我选择了两种生成特征的方式来产生不同的模型进行融合。

---

特征选择

• 在初赛阶段，主要有以下三种方式来筛选特征：1、删除线上线下均值差异30%以上的特征；2、通过xgboost计算的特征重要性，删除重要性较低的特征；3、通过wrapper的方