广告欺诈是数字营销需要面临的重要挑战之一，点击会欺诈浪费广告主大量金钱，同时对点击数据会产生误导作用。点击欺诈预测适用于各种信息流广告投放，banner广告投放，以及百度网盟平台，帮助商家鉴别点击欺诈，锁定精准真实用户。
本次比赛提供了约50万次点击数据，数据中对某些特征含义进行了隐藏并进行了脱敏处理。测试集中提供了会话sid及该会话的各维度特征值，选手需要基于训练集得出的模型进行预测，判断该会话sid是否为正常点击，还是作弊行为。
比赛传送门：https://aistudio.baidu.com/aistudio/competition/detail/52
点击反欺诈预测是一个二分类问题，判断会话是否为正常点击，还是作弊行为。本次数据信息上数字特征列较多，而树模型对结构化的数据可以更好地拟合，可以很好适用于数据量不大且类别信息较多时。 本项目主要基于Catboost树模型结合特征工程构建点击反欺诈预测模型，于8月取得了第一名的成绩。
-README.MD
-baseline.py # 主基线代码
-配置说明.txt # 环境依赖及配置说明
-submission.csv # 要提交的结果文件
根据提供的配置说明文件完成环境配置操作后，直接运行baseline.py文件即可，提交时提交生成的预测结果文件submission.csv。