数据集的介绍-【官方】百战程序员_IT在线教育培训机构

标识	描述
用户ID(userID)	唯一标识一个用户
年龄(age)	取值范围[0, 80]，其中0表示未知。
性别(gender)	取值包括男、女、未知。
学历(education)	用户当前最高学历，不区分在读或者毕业生，取值包括小学, 初中, 高中, 专科, 本科, 硕士, 博士, 未知
婚恋状态(marriageStatus)	用户当前婚恋状态，取值包括单身, 离婚, 已婚, 未知。
育儿状态(haveBaby)	用户当前育儿状态状况，取值包括孩子出生, 宝宝0-6个月, 宝宝6-12个月, 宝宝1-2岁, 宝宝2-3岁, 有儿童在家长模式, 未知。
家乡/籍贯(hometown)	用户出生地，取值包括所有行政区域，使用三级编码, 十位位数标示行政区域, 如1106表示河南省济源市, 按市编码是首字的6号, 二号0表示未知。
常住地(residence)	最近一段时间用户长期居住的地方，取值包括所有行政区域, 编码方式与家乡相同。

用户APP安装列表文件 user_installedapps.csv

标识	描述
用户ID(userID)	唯一标识一个用户
AppID(appID)	广告推广的目标应用唯一标识符

用户APP安装流水文件 user_app_actions.csv

标识	描述
用户ID(userID)	唯一标识一个用户
安装时间(installTime)	安装APP时间
AppID(appID)	广告推广的目标应用唯一标识符

APP特征文件 app_categories.csv

标识	描述
AppID(appID)	广告推广的目标应用唯一标识符
App分类(appCategory)	类目标签有两层, 但由3位数字组成, 由低位表示一级类目, 中位位表示二级类目, 如“210”表示一级类目编号为2, 二级类目编号为10, 类目类别和名称在数据集中, 请记住。

广告特征文件 ad.csv

标识	分类	描述
广告素材ID(creativeID)	属于某个广告主在特定的广告内容	一条广告下可以有多条素材。
广告ID(adID)	商家或广告主管理平台的广告素材创建到的广告唯一标识符	广告属于推广计划，包含广告的基本信息(广告名称, 投放时间等), 广告的推广目标, 投放平台, 投放的广告规格, 预算政策的广告创意, 广告的投放时间、广告出价等信息。每个推广计划下的广告数量不上限。
推广计划ID(campaignID)	推广计划的唯一标识符	推广计划是广告的集合, 类似电脑文件夹功能。广告主可以将推广平台、预算策略、是否为这些政策条件相同的广告放在同一个推广计划中，方便管理。
广告ID(advertiserID)	商家或广告主的唯一标识符	广告主一推广计划一广告一素材，广告主对一家媒介的广告主。
AppID(appID)	广告推广的目标应用唯一标识符	用户点击后跳转到该APP的页面, 此处为特定的App。多个推广计划或广告可以同时推广一个App。
App平台(appPlatform)	App所属操作系统平台，取值为Android, iOS, 未知。同一个appID只属于一个平台。

广告位特征文件 position.csv

标识	描述
广告ID(positionID)	广告曝光的具体位次, 如QQ空间Feeds广告位。
站点/频道ID(sitesetID)	第八广告的站台，如QQ空间
广告位类型(positionType)	对于主站站点，入工是文本广告一级导航或纽扣类，如Banner广告位。

训练数据集 train.csv

标识	描述
标签(label)	是否转换当label = 0时未转换 1已转换
点击时间(clickTime)	用户点击广告的时间
转换回流时间(conversionTime)	转换回流时间
广告素材ID(creativeID)	属于某个广告主在特定的广告内容
用户ID(userID)	唯一标识一个用户
广告ID(positionID)	广告曝光的具体位次, 如QQ空间Feeds广告位。
网网方式(connectionType)	移动设备当前使用的联网方式，取值包括2G, 3G, 4G, WIFI, 未知
运营商(telecomsOperator)	移动设备当前使用的运营商, 取值包括联通移动, 中国联通, 中国电信, 未知

测试数据集 test.csv

标识	描述
instanceID
标签(label)	是否转换0未转换 1已转换
点击时间(clickTime)	用户点击广告的时间
广告素材ID(creativeID)	属于某个广告主在特定的广告内容
用户ID(userID)	唯一标识一个用户
广告ID(positionID)	广告曝光的具体位次, 如QQ空间Feeds广告位。
网网方式(connectionType)	移动设备当前使用的联网方式，取值包括2G, 3G, 4G, WIFI, 未知
运营商(telecomsOperator)	移动设备当前使用的运营商, 取值包括联通移动, 中国联通, 中国电信, 未知

评估方式

通过Logarithmic Loss评估(越小越好)，公式如下：

l o g l o s s = - \frac{1}{N} \sum_{i = 1}^{N} (y_{i} l o g (p_{i}) + (1 - y_{i}) l o g (1 - p_{i}))

其中，N是测试样本总数，yi是二值变量，取值0或1，表示第i个样本的label，pi为模型预测第i个样本 label为1的概率。

评估公式的Python代码如下：


1
import scipy as sp
2
def logloss(act, pred):
3
  epsilon = 1e-15
4
  pred = sp.maximum(epsilon, pred)
5
  pred = sp.minimum(1-epsilon, pred)
6
  ll = sum(act*sp.log(pred) + sp.subtract(1,act)*sp.log(sp.subtract(1,pred)))
7
  ll = ll * -1.0/len(act)
8
  return ll

Python入门

北京市昌平区回龙观镇南店村综合商业楼2楼226室