- 解决思路：
一是把这个问题变成一个二分类问题，预测一个广告是否能从一个曝光请求中胜出
二是把这个问题变成一个回归问题，预测一个广告在带预测时间的曝光量
因为模拟曝光过程不可控因素太多，选手基本是直接预测广告当天曝光量
- 特征工程
单个广告：当天特征：广告本身特征如得分，点击率，被屏蔽率...竞争者的特征，例如得分，数目，被屏蔽率，用户特征，面向用户的数目；前天特征：曝光量，部分当天特征平移两天；大前天特征：曝光量，部分特征平移三天。
单个账户，单个尺寸，单个商品下广告统计特征
时间特征：在过去3/7/10天统计广告曝光时间，曝光时间间隔等的统计值max/min/mean/median/std
数值特征：在过去3/7/10天统计广告请求量，曝光值等统计值max/min/mean/median/std/sum
类别特征：在过去3、7、10天统计广告曝光广告位id，用户id等去重数，再对商品id，商品类型，行业id等五折生成目标编码统计特征
最后根据模型输出重要性删减部分特征
跟广告自身设定相关的特征：
广告账户ID、商品ID、素材尺寸等原始特征
出价信息的相关特征（出价类型）
跟时间相关的一些特征，如样本日期与广告创建日期之间的间隔
直接从样本日期当天的曝光日志提取的信息：
样本在当天参与竞争的请求数量
广告当天参与竞价的请求对应的用户的基本情况
历史特征，主要用来衡量广告自身的竞争力：
历史的请求数量，曝光量，曝光率，策略过滤数，策略过滤率等
各种分布信息，构造出一些没有极端偏态情况的数据分布，在使用均值，方差，偏度（一到三阶矩的信息）来刻画分布：
log(pctr)的分布信息，log(epcm)的分布信息
广告当天的相对排名的分布信息
广告在每个请求中的ecpm与该请求最大的ecpm的比值的分布信息
刻画广告所处的竞争环境的特征
编码特征构造：
广告ID对应用户人群编码： NMF降维，均值
当天用户编码广告，统计广告的用户数量并降维+统计
复赛A榜训练集和测试集是连续的，复赛B榜则是不连续的，面对“跨天”预测，利用“远程监督”的方式，利用现有的标注数据，训练一个模型，给未标注数据进行标注，然后拿来训练
通过组合构造主键下数值的均值、中位数可以很好的覆盖新广告，同时进行一阶、二阶构造，更细粒度挖掘
由之前特征提取方式能够得到当天新的广告竞争胜率、广告竞争胜利次数、广告竞争失败次数，我们称其为“假数据”，然后和当天真正广告竞争总次数进行交叉。
- loss Function
- 模型
lgb+FM
预测相对位置：
转换观测视角 NewLabel=Label-BasePred
模型效果大于规则
解决稀疏样本下信息丢失问题，以及越界值问题
分别使用log(曝光量)和log(曝光率)作为建模目标
transformer模型：
(也有人用一个神经网络找历史权重)
更细致的融合（不同广告位融合等）
- 后处理
四舍五入到整数
出价单调性处理
结合规则
