Click Through Rate Prediction

• Kaggle
  • Avazu - Predict whether a mobile ad will be clicked
    • Data
    • Beat the benchmark with less than 1MB of memory
  • CriteoLabs - Display Advertising Challenge
    • Data
    • md5sum 확인용
    • Beat the benchmark with less than 200MB of memory

Kaggle

• Avazu - Predict whether a mobile ad will be clicked

https://www.kaggle.com/c/avazu-ctr-prediction

Data

https://www.kaggle.com/c/avazu-ctr-prediction/data 에서 제공하는 test.gz, train.gz 파일을 내려받는다.

train.gz 파일의 크기는 1.12GB 이다.

Data Field

id: ad identifier click: 0/1 for non-click/click hour: format is YYMMDDHH, so 14091123 means 23:00 on Sept. 11, 2014 UTC. C1 -- anonymized categorical variable banner_pos site_id site_domain site_category app_id app_domain app_category device_id device_ip device_model device_type device_conn_type C14-C21 -- anonymized categorical variables

4 Idiots' Solution & LIBFFM

https://www.kaggle.com/c/avazu-ctr-prediction/discussion/12608

Beat the benchmark with less than 1MB of memory

https://www.kaggle.com/c/avazu-ctr-prediction/discussion/10927

논문, 구현체

https://www.csie.ntu.edu.tw/~cjlin/libffm/

https://github.com/guestwalk/kaggle-avazu

• CriteoLabs - Display Advertising Challenge

https://www.kaggle.com/c/criteo-display-ad-challenge

Data

kaggle 의 data 페이지에서 제공하는 data download link 는 깨어져 있다. CriteoLab 홈페이지에서 다운로드 받을 수 있는 링크는 다음과 같다.

• http://labs.criteo.com/2014/02/download-kaggle-display-advertising-challenge-dataset/
  • https://s3-eu-west-1.amazonaws.com/criteo-labs/dac.tar.gz 위 labs.criteo.com 페이지에서 연결된 실제 다운로드 링크

위의 링크에서 제공하는 dac.tar.gz 파일은 약 4GB 의 크기이다. 인터넷을 통해 내려받는데 속도가 느려 시간이 10시간 이상 걸릴 수 있다.

https://jkkim.me/kaggle/dac.tar.gz - 내려받아 놓은 파일

md5sum 확인용

$ md5 *.gz MD5 (dac.tar.gz) = df9b1b3766d9ff91d5ca3eb3d23bed27 MD5 (sampleSubmission.gz) = 39c3ff7b677a8de71412f7cb00c4e5f2 MD5 (test.gz) = 47e20bc113bd2009b46dd125bb987c76 MD5 (train.gz) = f65aa86a4d3e3219c17225bd301b64f6 $

Beat the benchmark with less than 200MB of memory

https://www.kaggle.com/c/criteo-display-ad-challenge/discussion/10322

https://github.com/guestwalk/kaggle-2014-criteo

https://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

https://medium.com/@chris_bour/what-i-learned-from-the-kaggle-criteo-data-science-odyssey-b7d1ba980e6