Criteo live traffic data (Sample of 30 days of Criteo live traffic data)

该数据集的内容 该数据集包括以下文件： README.md criteo_attribution_dataset.tsv.gz：数据集本身（623M 压缩） Experiments.ipynb：带有代码和实用程序的 ipython 笔记本，用于重现论文中的结果。也可以作为进一步研究此数据的起点。它需要 python 3.* 和标准科学库，例如 pandas、numpy 和 sklearn。数据描述 该数据集代表 30 天的 Criteo 实时交通数据样本。每行对应于向用户显示的一次展示（横幅）。对于每个横幅，我们都有关于上下文的详细信息，如果它被点击，它是否导致了转化，以及它是否导致了归因于 Criteo 的转化。数据已被二次抽样和匿名化，以免泄露专有元素。以下是字段的详细说明（它们在文件中以制表符分隔）： 时间戳：展示的时间戳（从 0 开始表示第一次展示）。数据集根据时间戳排序。 uid 唯一用户标识符 广告活动 广告活动的唯一标识符 转化 1 如果在展示后的 30 天内发生了转化（与此印象是否是最后一次点击无关） conversion_timestamp 转化的时间戳或 -1 如果没有转化观察到的 conversion_id 是每个转换的唯一标识符（以便在需要时可以重建时间线）。 -1 如果没有转化归因 1 如果转化归因于 Criteo，0 否则点击 1 如果印象被点击，0 否则 click_pos 转化前的点击位置（0 表示首次点击） click_nb 点击次数。超过 1 如果在转换之前有几次点击，则 Criteo 为该显示支付的价格（免责声明：不是实际价格，只是它的转换版本） cpo 在归因转换的情况下为每个订单的成本（免责声明：不是实际价格，只是它的转换版本） time_since_last_click 自上次点击以来的时间（以秒为单位），用于与显示关联的给定印象 cat[1-9] 上下文特征。可用于学习点击/转化模型。我们没有透露这些特征的含义，但与本研究无关。每列都是一个分类变量。在实验中，它们使用散列技巧映射到固定维度空间（参见论文）。关键数据 2,4Gb 未压缩 16.5M 印象 45K 转化 700 个活动 任务 该数据集可用于与实时投标相关的大量应用，包括但不限于： 归因建模：基于规则、基于模型等……展示广告中的转换建模：数据包括用于计算效用指标的成本和价值。实时出价的离线指标