很幸运， CTR 领域有一个方便易用的工具包——“deepctr”，它的出现不仅仅降低了广告点击率预测模型的上手难度，方便进行模型对比，也让给了我们机会从这些优秀的源码中学习到构建模型的方式。
接下来我就简单介绍一下这个库：
- github 传送门
- 官方文档传送门
1. 内容
&emps;内容上，作者是实现了 2015~2019 年一些重要的 CTR 模型，譬如 2015年的 CCPM，2019年的 FGCNN 等等 。类别上基本都是深度学习模型，不会涉及很多传统的模型，相信作者还会持续跟进。之后我会在这里介绍一下 CCPM（Convolutional Click Prediction Model）。
2. 使用(样例摘自作者的quick start)
作者对模块的集成度很高，所以在实际调用模型的时候，非常地简洁和清晰，一个完整的步骤一般可以分为 4 步进行：
step 1: 引入模型 & 读入数据
引入模型指的是引入必要的库函数及所需模型，示例如下：
import pandas as pd # 表格类型的数据处理推荐使用这个库
from sklearn.preprocessing import LabelEncoder, MinMaxScaler # 顾名思义，不解释了，后一个应该是给 feature value 设置最值
from sklearn.model_selection import train_test_split # 划分训练集、测试集的
from deepctr.models import CCPM # 引入我想要用到的模型
from deepctr.inputs import SparseFeat, DenseFeat, get_feature_names # 处理离散数据、稠密数据以及特征名称
data = pd.read_csv('./criteo_sample.txt')
sparse_features = ['C'+str(i) for i in range(1, 27)]
dense_features = ['I'+str(i) for i in range(1, 14)]
data[sparse_features] = data[sparse_features].fillna('-1', )
data[dense_features] = data[dense_features].fillna(0, )
target = ['label']
step 2: 数据预处理
1. 稀疏特征（sparse features） 是需要编码的，因为诸如“05db9164”这样的特征，是无法输入到模型里面的。有两种常见的简单方法来对稀疏类别进行编码：
- Label Encoding: 将特征映射到 0～len(#unique)-1 的整形数值上
for feat in sparse_features:
lbe = LabelEncoder()
data[feat] = lbe.fit_transform(data[feat])
-
Hash Encoding: 将特征映射到一个固定的范围呢，譬如 0~9999，有两种方法来实现：
a. 在训练之前进行特征 hashing
for feat in sparse_features:
lbe = HashEncoder()
data[feat] = lbe.transform(data[feat])
> b. 在训练过程中进行动态 hashing 处理
只需要在Step 3中，在SparseFeat或VarlenSparseFeat中设置 use_hash=True即可
- 对 稠密特征（dense features） 进行归一化处理
mms = MinMaxScaler(feature_range=(0, 1))
data[dense_features] = mms.fit_transform(data[dense_features])
3. 生成特征 columns
这里看的不是特别明白，有待于我自己去看源码再回来完善
对于 dense features，通过 embedding 的方式将其转换为稠密向量（dense vectors）。对于稠密的数字特征（dense numerical features），将其拼接在全连接层的输入张量上。
- Label Encoding
sparse_feature_columns = [SparseFeat(feat, data[feat].nunique())
for feat in sparse_features]
dense_feature_columns = [DenseFeat(feat, 1)
for feat in dense_features]
- 动态特征哈希（Feature Hashing on the fly）
sparse_feature_columns = [SparseFeat(feat, dimension=1e6,use_hash=True) for feat in sparse_features]#The dimension can be set according to data
dense_feature_columns = [DenseFeat(feat, 1)
for feat in dense_features]
- 最后，生成 feature columns
dnn_feature_columns = sparse_feature_columns + dense_feature_columns
linear_feature_columns = sparse_feature_columns + dense_feature_columns
feature_names = get_feature_names(linear_feature_columns + dnn_feature_columns)
Step 4: 生成训练数据，并训练模型
train, test = train_test_split(data, test_size=0.2)
train, test = train_test_split(data, test_size=0.2)
train_model_input = {name:train[name].values for name in feature_names}
test_model_input = {name:test[name].values for name in feature_names}
model = CCPM(linear_feature_columns,dnn_feature_columns,task='binary')
model.compile("adam", "binary_crossentropy",
metrics=['binary_crossentropy'], )
history = model.fit(train_model_input, train[target].values,
batch_size=256, epochs=10, verbose=2, validation_split=0.2, )
pred_ans = model.predict(test_model_input, batch_size=256)