-
任务：CTR预估/排序
-
简介：
该数据集由 Criteo 提供，包含数百万展示广告的特征值和点击反馈。 其目的是对点击率 (CTR) 预估的算法进行基准测试。该数据集包括4500万用户的点击记录。有13个连续特征和26个分类特征。
-
下载：
官网下载地址：https://go.criteo.net/criteo-research-kaggle-display-advertising-challenge-dataset.tar.gz
-
详细描述：
该数据集包含 2 个文件
train.txttest.txt,对应数据的训练和测试部分。训练数据集
train.txt包含7天内Criteo的一部分流量。每行对应Criteo投放的一个展示广告，第一列表示该广告是否被点击。正面（点击）和负面（未点击）的例子都被二次采样（但以不同的速率）以减少数据集的大小。有13个采用整数值的特征（主要是计数特征）和26个分类特征。 出于匿名目的，分类特征的值已散列到32位。 这些功能的语义未公开。某些特征可能有缺失值。行按时间顺序排列。
测试集
test.txt的计算方式与训练集相同，但它对应于训练期后一天的事件。 第一列（标签）已被删除。 -
格式：
数据列之间使用制表符作为分隔符： <integer feature 1> ... <integer feature 13> <categorical feature 1> ... <categorical feature 26>
当缺少一个值时，该字段只是空的。 测试集中没有标签字段。
参考DeepFM论文的方式。Criteo数据集包括4500万用户的点击记录。有13个连续特征和26个分类特征。将训练数据集随机分成两部分：90%用于训练，其余10%用于测试。
详细处理细节见 process_criteo_kaggle.py
也可跳过预处理，直接通过链接下载处理后的数据集： criteo_train_data、criteo_test_data。
注：由于测试集中没有标签，无法评估，故在我们的demo实验中没有使用。