criteo一个ctr模型样例

https://github.com/guotong1988/criteo_dataset.git

这里使用的公开的criteo样本数据， auc可以超过80%。秘诀是全部使用embedding表征。

criteo的特征主要是两类，category和integer。category使用embedding比较好理解，integer也使用embedding，它的办法是对于<=0的数据都变为0，正数使用log2(1+x)+1进行压缩后取整来做离散化。

大体可见，离散化+embedding是最主要的特征工程方法。是感觉这里的离散化方法不是最优，负数全部使用一个embedding。如果使用等频分桶，是否auc会更好？