---
title: Day 3 曝光預測模型專案 (Lisa)
tags: '課程筆記'
description: View the slide with "Slide Mode".
---

# Day 3 曝光預測模型專案 (Lisa)

[TOC]

## 專案目的：
針對策略的定向（要投的）和排除（不要投的）對曝光做預測，預測是否能把日預算花光，若預測出日預算花不完（曝光不多），廠商可以再調整定向設定
最後整理出來的定向

1是選擇
2是排除

## 策略內容說明
### 得心的筆記
### 策略可設定內容
走期、競標價、定向、日預算、小時周間（晚上）、定向（人群、作業系統... ）

### 定向篩選

### 可能發生問題
1. 訂單日預算 -> 策略日預算
模型針對策略而非訂單，因此可能訂單日預算走完策略還沒走完
2. 廠商中途更改策略預算
over server

### data processing（需考量到的features）
1. 策略當下競爭者多寡
2. 將出價做分級（0-50、50-100...）
3. 將預測不到的對象抓出來
4. 考量要投的素材尺寸、種類
5. 抓曝光較高的素材只寸
6. CPM出價 根據素材不同（影音出價較高）
7. 策略走期比率（越靠近走其尾聲的優先級會越高）

### Lisa最後選出可能影響曝光的變數

### 專案流程
資料搜集 -> 特徵處理 -> 模型訓練 （模型最後是做分類（預算花得完or花不完））-> api串接 -> 模型維護



### 四個不同預測模型的版本

### Train Model的過程

## Coding

## 模型問題
* 資料本身的feature和資料筆數差不多(4000 x 4000)，所以容易 Overfitting
* 資料裡面沒有「人數」，實質效益的評估會比較困難

> ### 競賽的重要順序：Feature、模型、Stacking(類別預測)-Voting