2018.01.21.一周机器学习周记

时间：2018.01.21.一周

主要内容

---

1.整理前期关于决策树的一个小型实践项目文档（实践进行中）

2.搭建TensorFlow环境（进行中）

3.拓展：实践Python的自动化模块pyautogui模块

4.后期承得前会长吴师兄的参考文档，开始对腾讯算法大赛进行项目研究

内容摘要及相关概况

---

决策树实践项目

详见项目文档

搭建TensorFlow环境

1.通过pip安装TensorFlow基本包

2.在cmd处import tensorflow

3.根据提示，在官网下载对应的CUDA版本，下载完成后进行安装（安装之前先卸载本地的旧版本）

4.下载cuDNN对应的压缩包

pyautogui模块

本周实践了一系列pyautogui模块的函数，这里主要摘要一个实践：

功能

实时给出鼠标当前位置的x、y坐标，也给出这个像素的RGB颜色

代码

腾讯算法大赛

参考于前会长吴师兄的文档

本周进度

由赛题属于广告学范畴，一开始通过对 转化率预估此篇文章的阅读，对相关概念有所理解

随后，阅读理解了 腾讯算法大赛以及 FAQ 部分

赛题要求

官方提供17-30天移动 APP 的广告、用户的转化情况，及相关上下文, 根据这些数据预测第31天指定用户和对应广告的转化率.

评估方式 (赛题中提供的计算公式)

通过Logarithmic Loss评估(越小越好)，公式如下：

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。

示例代码(Python语言实现)：

项目目的

主要在于剖析和学习大赛中取得 第64 名大牛的分享， 对其代码进行理解和分析， 主要着重点在于特征工程。

机器学习的主要流程

机器学习流程

数据分析和清洗方法

关于数据分析，阅读FAQ可知：

App 的激活定义为用户下载后启动了该App，即发生激活行为。从用户点击广告到广告系统得知用户激活了App(如果有)，通常会有较长的时间间隔，主要由以下两方面原因导致：

1) 用户可能在下载之后过了很久才启动App；

2) 用户启动App的行为需要广告主上报回传给广告系统，通常会有一定的延时。

这里回流时间表示了广告主把App激活数据上报给广告系统的时间，回流时间超过5天的数据会被系统忽略。

值得注意的是，本次竞赛的训练数据提供的截止第31天0点的广告日志，因此，对于最后几天的训练数据，某些label=0并不够准确，可能广告系统会在第31天之后得知label实际上为1。

即

某些app和用户的记录比较少

最后几天有部分数据不准确

对于这个问题, 这里采用了比较暴力的方法, 将最后几天这些可能会出现问题的数据删除