DeepCTR-Torch快速入门指南：基于PyTorch的深度点击率预测模型实践

翟桔贞

于 2025-06-12 09:08:50 发布

阅读量345

点赞数 5

本文链接：https://blog.youkuaiyun.com/gitblog_01045/article/details/148601915

版权

DeepCTR-Torch快速入门指南：基于PyTorch的深度点击率预测模型实践

DeepCTR-Torch 【PyTorch】Easy-to-use,Modular and Extendible package of deep-learning based CTR models. 项目地址: https://gitcode.com/gh_mirrors/de/DeepCTR-Torch

项目概述

DeepCTR-Torch是一个基于PyTorch实现的深度点击率(CTR)预测模型库，它集成了多种先进的深度CTR模型，如DeepFM、xDeepFM等。该项目专为推荐系统和广告点击率预测场景设计，提供了简洁高效的API接口，使研究人员和工程师能够快速构建和评估深度CTR模型。

环境安装

在开始使用DeepCTR-Torch之前，需要确保已安装PyTorch 1.2.0或更高版本。推荐使用pip进行安装：

pip install -U deepctr-torch

四步快速上手

第一步：数据准备与导入

首先我们需要导入必要的Python库和模型：

import pandas as pd
import torch
from sklearn.metrics import log_loss, roc_auc_score
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder, MinMaxScaler

from deepctr_torch.inputs import SparseFeat, DenseFeat, get_feature_names

然后加载示例数据集，这里我们使用一个模拟的Criteo广告点击数据集：

data = pd.read_csv('./criteo_sample.txt')

# 定义稀疏特征和稠密特征
sparse_features = ['C' + str(i) for i in range(1, 27)]  # 26个类别型特征
dense_features = ['I' + str(i) for i in range(1, 14)]  # 13个数值型特征

# 处理缺失值
data[sparse_features] = data[sparse_features].fillna('-1')
data[dense_features] = data[dense_features].fillna(0)
target = ['label']  # 目标变量

第二步：数据预处理

对于CTR预测任务，我们需要对不同类型的特征进行适当的预处理：

类别型特征处理：使用LabelEncoder将类别值转换为整数索引，这是为了后续嵌入层(Embedding)的处理：

for feat in sparse_features:
    lbe = LabelEncoder()
    data[feat] = lbe.fit_transform(data[feat])

数值型特征处理：使用MinMaxScaler进行归一化，将数值缩放到[0,1]区间：

mms = MinMaxScaler(feature_range=(0,1))
data[dense_features] = mms.fit_transform(data[dense_features])

第三步：构建特征列

DeepCTR-Torch使用特征列(Feature Columns)的概念来定义模型输入。我们需要明确指定每个特征的类型和属性：

# 定义稀疏特征列
sparse_feature_columns = [
    SparseFeat(
        feat,  # 特征名称
        vocabulary_size=data[feat].nunique(),  # 唯一值数量
        embedding_dim=4  # 嵌入维度
    ) for feat in sparse_features
]

# 定义稠密特征列
dense_feature_columns = [
    DenseFeat(
        feat,  # 特征名称
        1  # 特征维度
    ) for feat in dense_features
]

# 组合所有特征列
dnn_feature_columns = sparse_feature_columns + dense_feature_columns
linear_feature_columns = sparse_feature_columns + dense_feature_columns

# 获取特征名称
feature_names = get_feature_names(linear_feature_columns + dnn_feature_columns)

第四步：模型训练与评估

现在我们可以构建并训练一个DeepFM模型：

# 划分训练集和测试集
train, test = train_test_split(data, test_size=0.2)

# 准备模型输入
train_model_input = {name: train[name] for name in feature_names}
test_model_input = {name: test[name] for name in feature_names}

# 设置设备
device = 'cuda:0' if torch.cuda.is_available() else 'cpu'

# 初始化DeepFM模型
model = DeepFM(
    linear_feature_columns=linear_feature_columns,
    dnn_feature_columns=dnn_feature_columns,
    task='binary',  # 二分类任务
    device=device
)

# 编译模型
model.compile(
    optimizer="adam",
    loss="binary_crossentropy",
    metrics=['binary_crossentropy']
)

# 训练模型
history = model.fit(
    train_model_input,
    train[target].values,
    batch_size=256,
    epochs=10,
    verbose=2,
    validation_split=0.2
)

# 预测
pred_ans = model.predict(test_model_input, batch_size=256)