（本文数据为虚构，仅供实验。本实验拟在介绍阿里云机器学习与大数据开发调度的配合。）
本文实现的场景是广告的ctr预测。广告ctr预测是广告行业的典型应用，通过历史数据训练预测模型，对于每天的增量数据进行预测，找出广告的ctr符合标准的样本进行投放。
整套实验使用了阿里云机器学习进行数据挖掘工作，通过大数据开发套件进行调度和推送。具体的业务场景是：通过历史数据在阿里云机器学习平台上面训练模型，通过大数据开发进行调度，每天凌晨对于每天的广告投放ctr预测，甄选出符合标准的广告推送出去。
具体字段如下：
字段名
含义
类型
描述
id
string
广告的唯一标识
age
年龄
double
广告投放人群的年龄
sex
性别
广告投放人群的性别，1是男，0是女
duration
时长
广告在界面的停留时长，以秒为单位
place
位置
广告投放位置，0~4，按照投放位置从上到下的顺序排列
ctr
广告ctr
广告点击量除以展现量，这里面大于0.03是1，其它是0
dt
partition
年月日格式yyyymmdd
数据截图：
数据是通过random算法随机生成，所以本次实验不针对结果进行评估，主要介绍实验搭建以及和大数据开发套件的调度使用。数据包含20160919、20160920的历史数据，需要针对20160921的数据预测。使用的是maxcompute的分区表。
实验可以通过实验模板处创建。找到带有【机器学习离线调度实现】字样的实验，从模板创建。
首先，实验流程图：
实验可以大致分为四个模块，数据源导入（ad），数据预处理（归一化），模型训练（逻辑回归二分类），预测（预测）。
ad-2是训练数据源。
ad-1是预测源，
中间过程包括数据的归一化、模型预测两个步骤。模型训练是通过历史数据训练生成的预测模型。(详细原理可以参考心脏病预测案例)
最终预测生成的结果表为ad_result-1,数据如下：
prediction_result包含每个广告id是否被点击，被点击是1，不被点击为0。
prediction_score表示对应被点击概率
进入数加的数据开发应用：
(1)新建工作流任务
在画布中可以拖动机器学习组件和odps_sql组件进行工作流的搭建。
双击"广告预测"组件进入对应的机器学习模块，选择需要调度的机器学习实验：
返回，双击"每日预测值"组件，配置每日需要推送的信息，这里只需要推送预测结果是"被点击的广告",
选择需要调度的时间，这里我选择每日的凌晨0点进行训练和推送信息。
点击“提交”按钮，即可在运维中心查看实验的运行状态。调度从第二天才正式开始，进入运维中心。可以查看实验的日志。
作者微信公众号(与作者讨论)：
联系我们: [email protected]
往期文章：
<a href="https://yq.aliyun.com/articles/53862?spm=5176.100244.teamconlist.9.sxpb3b">【玩转数据系列一】人口普查统计案例</a>
<a href="https://yq.aliyun.com/articles/54260?spm=5176.100244.teamconlist.7.sxpb3b">【玩转数据系列二】机器学习应用没那么难，这次教你玩心脏病预测</a>
<a href="https://yq.aliyun.com/articles/57261?spm=5176.100244.teamconlist.3.sxpb3b">【玩转数据系列三】利用图算法实现金融行业风控</a>
<a href="https://yq.aliyun.com/articles/57718?spm=5176.100244.teamconlist.3.rpkvxw">【玩转数据系列四】听说啤酒和尿布很配？本期教你用协同过滤做推荐</a>
<a href="https://yq.aliyun.com/articles/58722?spm=5176.100244.teamconlist.3.ams6rq">【玩转数据系列五】农业贷款发放预测</a>
<a href="https://yq.aliyun.com/articles/59205?spm=5176.100244.teamconlist.3.eea648">【玩转数据系列六】文本分析算法实现新闻自动分类</a>
<a href="https://yq.aliyun.com/articles/59969?spm=5176.100244.teamconlist.3.hos3ju">【玩转数据系列七】有娃的注意了，机器学习教您如何提高孩子学习成绩</a>