【推荐算法】点击率预估模型（CTR） 快速入门（赋源码）

CTR 快速入门

本项目主要使用 DeepCTR 进行CTR模型训练。

开源本项目，方便初学者快速进行CTR模型训练。

【项目说明】

• 配置化运行，无需修改代码。
• 仅需提供训练数据，并通过简单的配置，即可实现CTR模型的训练。
• 支持模型 DeepFM、xDeepFM、DCNMix、DeepFEFM、DIFM 等。
• 最优模型自动保存，输出详细评估结果。
• 支持导出 SavedModel 格式模型，方便 TF Serving 部署。
• 项目依赖见 requirements.txt

【运行指令及参数】

使用了两份数据集进行演示，需要获取数据，可以见下方的链接。

详细执行指令如下（查看代码了解更多的执行参数）：

1、movie

python train.py --model "DeepFM" --topic "movie" \
    --params_file "./params/movie_params.json" \
    --train_data "./train_data/movie_sample.csv"

2、criteo

python train.py --model "xDeepFM" --topic "criteo" \
    --params_file "./params/criteo_params.json" \
    --train_data "./train_data/criteo_sample.txt"

【运行结果】

拿项目数据（非演示数据）训练出的模型，在测试集的评估结果如下：

【GitHub地址】

• 需要获取训练数据和代码可以访问我的github，如果觉得有帮助，请star收藏，谢谢～
• 链接地址：MachineCYL/CTR