文件名称：click-through:点击率分析
文件大小：457KB
文件格式：ZIP
更新时间：2024-06-18 04:46:09
Python
通过点击 使用来自已完成的 Kaggle 比赛的 avazu分析点击率。 成功的定义 实际上，成功定义为： sum(clicks)/(sum(clicks) + sum(non-clicks)) 有关置信区间的更多详细信息和注释，请参阅 的 此报告的代码 每个离散问题都在 ipython notebook 中得到解答。 这些笔记本经过推理得出答案。 这些笔记本的后端由两个 python 模块组成： 用于基本成功计算。 用于与时间相关的计算和绘图。 使用pickle存储数据 为了节省时间，可以使用以下命令在给定目录中保存（腌制）从 csv 文件创建的数据框 storing_data.save_df_by_chunk('data/train.csv') 数据帧将保存在pkld_data目录中的 10 个 pickle 文件中，名称为pkled_chunk_?.pkl ，其中?=0,1,2
【文件预览】：
click-through-master
----time_click.py(6KB)
----storing_data.py(2KB)
----click_succ.py(5KB)
----notebooks()
--------top10_site_category.ipynb(3KB)
--------successful_app_domain.ipynb(5KB)
--------app_domain_28th.ipynb(50KB)
--------app_domain_success.ipynb(41KB)
--------distinct_ads.ipynb(5KB)
--------data_insight.ipynb(288KB)
--------successful_banner.ipynb(2KB)
----README.md(6KB)
----plots()
--------corr_C20.png(23KB)
--------high_corr_ex.png(28KB)
--------corr_C17.png(20KB)
--------app_domain_success_trend.png(63KB)
--------corr_C14.png(25KB)
--------corr_site_id.png(3KB)
--------corr_site_domain.png(3KB)
--------all_success.png(21KB)
--------corr_app_domain.png(24KB)
--------app_domain_28th.png(30KB)
--------most_success.png(26KB)