移动互联网广告第一更精准投放2016/12/04PythonerMLer

SSP（supplysideplatform）：卖方（提供展位的地方）

1.5分类算法简介

数据挖掘中常见的有决策树、贝叶斯、神经网络和支持向量机算法等。这些分类算法各有优缺点，适合不同的具体问题。

1.5.1决策树算法

决策树算法采用自顶向下的方式构造，推理出决策树表示形式的分类规则。通过样本的属性值与决策树相比来对未知样本进行分类，分类过程如下：提供数据训练集->获取知识+递归方式->建立决策树模型->消除异常+树剪枝->测试测试集->决策树规则。

从训练样本的单个根节点开始，使用分类属性递归的选择对应测试属性来划分样本，通常采用信息增益、Gini系数等方式进行筛选，一旦某个属性出现在一个节点上，那么该节点的后代节点则不会出现该属性节点；然后是树剪枝阶段，主要为了检测和减去训练集中的孤立点和噪声点，尽量消除模型中的异常。每条从根节点到叶结点的路径都对应一条规则，组成了一棵决策树。它有着明显的优点：计算简单，规则比较清楚，易解释，且能满足大多情况下的分类准确程度要求。它的缺点：当属性过多的时候，尤其是连续属性过多的情况下会有一些问题，以及对训练数据集的数据分布有一定要求。比如因树的规则过大而导致的数据系数，而且会使计算变得更加复杂，精确度得不到保障，可能出现过拟合和欠拟合的问题。

1.5.2神经网络算法

通常神经网络用一组连接的输入输出单元来描述，并且其中的每个连接都有一个相应的权重。学习过程中，通过调节权重，使得能够正确的预测输入样本的类别信息。常见的神经网络结构有三种：前馈型神经网络、反馈型神经网络和自组织型神经网络。

以前馈神经网络为例，它只在训练过程会有反馈信号，但间层没有向后的反馈信号，并且分类过程中数据只能向前传送直到到达输出层。感知机和BP神经网络就属于前馈网络、

如下图示例3层的前馈神经网络图。

1.5.3支持向量机

1.5.4朴素贝叶斯算法

在已知先验概率和类条件概率来预测给定样本属于一个特定类的概率的算法。对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，选定其中概率最大的一个类别作为该待分类项的最终类别。贝叶斯分类算法处理大型数据集时，理论上将速度快、精度高，具有较小的错误率。

2.1系统总体流程

如下系统逻辑结构图：

记录日志各种网上行为日志；

数据缓存，主要用来缓存用户的Cookie等信息。

2.2系统核心业务数据流图

针对部分关键流程进行分析，如下所示：

2.SSP反馈信息给用户浏览页面；

2.3物理结构设计

2.4系统的各个功能模块设计

用户信息处理主要包含三个小模块，这里只介绍用户识别和用户分类模块。

2.4.1用户识别模块

下面介绍几种常见的用户识别方法。

1.基于用户源ID地址的识别。Web日志里都会记载包含源IP地址信息，源IP地址相对来说比较容易获取。但互联网上越来越多的伪IP、动态IP地址、网络代理、局域网共享同一公网IP地址出口等使得获取用户的真实IP地址信息变的越发困难，因此很多情况下，我们都不会直接使用IP地址来识别用户。

2.基于源IP+Agent的用户识别。一般情况下Web日志中都会包含Agent信息，我们可以采用IP+Agent组合来对用户进行识别，依次来提高识别用户的准确性。实际情况表明这种方式可以一定程度上提高IP代理和共用IP这两类情况下用户的识别度。而且Agent对网络爬虫等特殊的身份也有一定的鉴别能力。

3.基于Cookie的用户识别。目前大多数互联网用户身份识别技术都是基于这种方式。Cookie是网站为识别用户而在用户的终端存储的数据，所以Cookie代表的是用户的终端而不是用户本人。用Cookie识别用户比较明显的缺陷是：用户清除了Cookie，导致了用户无法与原来的记录进行对应。或者是同一用户使用不同的电脑对同一网站进行访问，或者同一电脑被不同的人使用都可以导致用户身份的识别的不准确。

2.4.2用户分类模块

其中属性的权值越大，那么它表示对分类的影响越大。

1.数据更新模块

2.竞价更新模块

3.请求与应答接口模块

其中我们利用加权求和来计算：

第一步：构造决策矩阵，并利用适当的方法把它规范化；

第二步：计算矩阵，得到归一化矩阵；

第三步：计算属性输出的信息熵；

第四步：计算属性权重向量；

系统架构图如下：

其中数据库采用MySQL数据库，单组数据库采用一主二从的架构模式，多组数据库构成MySQL数据库集群。

4.报告管理

2.6接口设计

2.7智能投放

总体因素评估线

季节因素评估线：其中春季占季节因素的70%，夏季占季节因素的50%，秋季占季节因素的60%，冬季占季节因素的100%，不关心占季节因素的70%。