Criteo Dataset

[AkihikoWatanabe]

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

[AkihikoWatanabe]

Criteo Dataset (https://www.kaggle.com/c/criteo-display-ad-challenge/data)

DeepFM等のモデルで利用されているCTR Predictionのためのデータセット

Data Description

• train.csv: 7日間のcriteoのtraffic recordの一部。個々の行が1 impに対応している。click, non-clickのラベル付き。chronologically order. click, non-clickのexampleはデータセットのサイズを縮小するために異なるrateでサブサンプルされている。
• training: trainingデータと同様の作成データだが、trainingデータの翌日のデータで構成されている。

Data Fields

• Label - Target variable that indicates if an ad was clicked (1) or not (0).
• I1-I13 - A total of 13 columns of integer features (mostly count features).
• C1-C26 - A total of 26 columns of categorical features. The values of these features have been hashed onto 32 bits for anonymization purposes.

13種類のinteger featureと、26種類のcategorical featuresがある。

[AkihikoWatanabe]

Avazu Data (https://www.kaggle.com/c/avazu-ctr-prediction/data)

File descriptions

• train - Training set. 10 days of click-through data, ordered chronologically. Non-clicks and clicks are subsampled according to different strategies.
• test - Test set. 1 day of ads to for testing your model predictions.
  sampleSubmission.csv - Sample submission file in the correct format, corresponds to the All-0.5 Benchmark.

Data fields

• 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

[AkihikoWatanabe]

基本的には click/non-click のラベルと、そのclick時の付帯情報によって構成されている模様