Tencent_Ads_2018 | 感谢bryan的baselien：https : //blog

Tencent_Ads_2018 is a Python library. Tencent_Ads_2018 has no bugs, it has no vulnerabilities and it has low support. However Tencent_Ads_2018 build file is not available. You can download it from GitHub.

感谢bryan的baselien：  感谢郭大佬的周冠军分享：  感谢葛大佬的周冠军分享：  感谢yesofcourse的开源：感谢大队长第一届比赛的开源：感谢不知道叫啥名的大佬的平滑代码：主要就是在bryan的baseline上加了几个特征，由于运算资源消耗太大，被公司的小哥哥警告再这样下去直接限制我的资源（本身服务器也一般），加上自己在实习，没有时间和精力做比赛，所以开源。    . 讲一下代码里的nlp_feature_score函数，这个特征是借鉴yesofcourse kaggle quora解决方案生成特征的函数，针对appIdAction这类特征，原理通过一个例子讲解，例如训练集有两个样本appIdAction_1 = “222 333 444 555 ”  label = 1,appIdAction_2 = “111 333 555 ”  label = 0, 统计特征被split(" ")之后，每个取值的转化率，这块用到贝叶斯平滑，最后appIdAction_1这个样本的特征取值就是连乘(1-p(222))(1-p(333))(1-p(444))(1-p(555)), 第二个样本同理，测试集此特征取值由训练集构造，然后缺失值的样本赋值为-1.0。我只试验了“appIdAction”这个特征，是可以提分的，后面的同类特征也可以逐步加入试验。.