• 설명 :

Criteo Uplift 모델링 데이터 세트

이 데이터 세트는 논문 "A Large Scale Benchmark for Uplift Modeling" Eustache Diemert, Artem Betlei, Christophe Renaudin; (Criteo AI Lab), Massih-Reza Amini(LIG, Grenoble INP)

이 작업은 KDD 2018과 함께 AdKDD 2018 워크샵에 게시되었습니다.

데이터 설명

이 데이터 세트는 모집단의 임의 부분이 광고 대상이 되지 않도록 하는 특정 무작위 시험 절차인 여러 증분성 테스트에서 얻은 데이터를 조합하여 구성됩니다. 2,500만 개의 행으로 구성되며 각 행은 11개의 기능, 처리 지표 및 2개의 레이블(방문 및 전환)로 사용자를 나타냅니다.

필드

다음은 필드에 대한 자세한 설명입니다(파일에서 쉼표로 구분됨).

• f0, f1, f2, f3, f4, f5, f6, f7, f8, f9, f10, f11: 특성 값(dense, float)
• 치료: 치료군(1 = 치료군, 0 = 대조군)
• 전환: 이 사용자에 대해 전환이 발생했는지 여부(바이너리, 라벨)
• 방문: 이 사용자에 대한 방문 발생 여부(바이너리, 레이블)
• 노출: 처리 효과, 사용자가 효과적으로 노출되었는지 여부(바이너리)

중요한 인물들

• 형식: CSV
• 크기: 459MB(압축)
• 행: 25,309,483
• 평균 방문율: .04132
• 평균 전환율: .00229
• 처리 비율: .846

작업

데이터 세트는 향상 예측을 주요 작업으로 염두에 두고 수집 및 준비되었습니다. 또한 다음과 같은 관련 용도를 예측할 수 있습니다.

• 인과 추론을 위한 벤치마크
• 향상 모델링
• 기능과 치료 사이의 상호 작용
• 치료의 이질성

• 관찰 인과 관계 방법에 대한 벤치마크

• 추가 문서 : north_east 코드가 있는 논문에서 탐색

• 홈페이지 : https://ailab.criteo.com/criteo-uplift-prediction-dataset/

• 소스 코드 : tfds.recommendation.criteo.Criteo

• 버전 :

  • 1.0.0 : 최초 릴리스.
  • 1.0.1 (기본값): conversion , visit 및 exposure 필드의 구문 분석을 수정했습니다.

• 다운로드 크기 : 297.00 MiB

• 데이터세트 크기 : 3.55 GiB

• 자동 캐시 ( 문서 ): 아니요

• 분할 :

• 기능 구조 :

FeaturesDict({
    'conversion': bool,
    'exposure': bool,
    'f0': float32,
    'f1': float32,
    'f10': float32,
    'f11': float32,
    'f2': float32,
    'f3': float32,
    'f4': float32,
    'f5': float32,
    'f6': float32,
    'f7': float32,
    'f8': float32,
    'f9': float32,
    'treatment': int64,
    'visit': bool,
})

• 기능 문서 :

• 감독된 키 ( as_supervised 문서 참조): ({'exposure': 'exposure', 'f0': 'f0', 'f1': 'f1', 'f10': 'f10', 'f11': 'f11', 'f2': 'f2', 'f3': 'f3', 'f4': 'f4', 'f5': 'f5', 'f6': 'f6', 'f7': 'f7', 'f8': 'f8', 'f9': 'f9', 'treatment': 'treatment'}, 'visit')

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예 ( tfds.as_dataframe ):

• 인용 :

@inproceedings{Diemert2018,
author = { {Diemert Eustache, Betlei Artem} and Renaudin, Christophe and Massih-Reza, Amini},
title={A Large Scale Benchmark for Uplift Modeling},
publisher = {ACM},
booktitle = {Proceedings of the AdKDD and TargetAd Workshop, KDD, London,United Kingdom, August, 20, 2018},
year = {2018}
}