【免费下载链接】engagement-predictor项目地址https://ai.gitcode.com/hf_mirrors/raviearjun/engagement-predictor点击查看免费下载engagement-predictor是一个基于 scikit-learnRidge回归的互动率预测模型用于预测品牌-达人营销内容的engagement_score。它的完整特征 schema 由 config.json 中的feature_columns精确定义——59 个输入特征分属品牌、投放 brief、内容执行三个层级。本文带你逐组拆解这 59 个特征分别是什么、为什么这样设计、以及它们如何最终汇入一个回归方程。一、项目速览模型要预测什么预测目标engagement_score (likes comments shares) / views即互动率模型形态PipelineOneHotEncoderStandardScalerRidgealpha 经GroupKFold按brief_id分组网格搜索选出最终为10.0模型文件engagement_ridge.skops使用skops.io.dump序列化比裸 pickle 更安全训练数据30 个品牌、300 条 brief、2000 条内容行的合成数据集分别存放在 dataset/brands.csv、dataset/briefs.csv、dataset/contents.csv⚠️ 注意训练数据为合成 POC 数据详见 README.md指标刻画的是模型对编码关系的还原能力不代表真实投放效果。二、59 个特征全景3 个层级速览按特征名前缀59 列可划分为三大块层级特征数量回答的问题brand_*品牌级3这个品牌的底子如何brief_*投放级42brief 对内容施加了哪些要求content_*内容级14这条内容实际执行成了什么样特征顺序在 config.json 中严格固定推理时 DataFrame 的列必须与之对齐。三、品牌级特征3 个特征类型含义brand_industry类别品牌行业数据集中有 skincare / cosmetics / personal_care 三类各 10 个品牌brand_avg_campaign_engagement_score数值该品牌历史活动的平均互动率是天然的先验水平特征brand_n_product_categories数值品牌覆盖的产品品类数量品牌级特征只有 3 个但brand_avg_campaign_engagement_score非常关键——它告诉模型这个品牌的粉丝互动基线是高是低模型可以在此基础上叠加其他调整。四、投放级特征42 个模型里最大的一族这一族全部来自 brief投放要求文档通常由上游 LLM 解析提取分为三类1. 单值类别特征1 个brief_required_hook_type要求的钩子类型数据集中共 6 种——daily_routine日常62 次、before_after前后对比59 次、tutorial52 次、unboxing开箱46 次、problem_solution42 次、transformation39 次2. 多值类别特征 → 多热编码31 列一个 brief 往往允许多个取值如 tone 为 energetic,fun因此每个候选值拆成一列 0/1 标志字段组列数候选取值brief_required_tone__*语调12fun、calm、confident、energetic、glam、fresh、bold、educational、active、aspirational、scientific、authenticbrief_target_creator_tier__*达人层级4nano、micro、mid、macrobrief_campaign_objective__*活动目标4awareness、trial、conversion、engagementbrief_target_audience_gender__*目标性别2female、malebrief_visual_style__*视觉风格4studio、natural、outdoor、glam_lightingbrief_dress_code__*着装要求5casual、stylish、activewear、colorful、bold_colors这种多热multi-hot编码是特征 schema 中最常见的设计12 4 4 2 4 5 31列任意组合都能表达且 Ridge 可以为每个取值单独学一个权重。3. 数值约束特征10 个特征含义brief_product_placement_sec要求的产品露出时长数据集中 3~11 秒brief_n_required_keywords必含关键词数量brief_n_mandatory_hashtags必带话题标签数量brief_n_mandatory_mentions必带 提及数量brief_n_key_messages关键信息条数本数据集恒为 3brief_target_age_min/brief_target_age_max/brief_target_age_span目标年龄下限 / 上限 / 跨度派生字段 max − minbrief_duration_range_min/brief_duration_range_max要求的内容时长下限 / 上限_span、_min/_max这类派生字段值得注意模型既能感知年龄 18-38这种具体区间也能感知跨度 20 岁这个区间宽窄本身。五、内容级特征14 个执行细节与工程巧思特征类型说明content_upload_day类别发布星期7 天各约 270~310 条分布均匀content_duration_sec数值实际时长数据集中 8~130 秒均值约 49 秒content_upload_hour_sin/content_upload_hour_cos数值发布小时的正余弦周期编码content_is_weekend0/1是否周末发布content_n_hashtags数值实际携带的话题标签数content_caption_len_chars/content_caption_len_words数值文案字符数 / 词数content_caption_n_emoji数值文案中的 emoji 数量content_caption_n_hashtags_inline/content_caption_n_mentions_inline数值文案正文中内嵌的话题数 / 提及数content_sound_popularity数值所用声音的流行度content_hashtag_compliance/content_mention_compliance0/1文案是否合规覆盖了 brief 要求的 hashtag / mention其中两个工程细节尤其值得学习周期编码upload_hour直接用数值会让模型认为 23 点与 1 点相距 22而sin/cos编码让它们在空间上紧邻23 点 → 0 点 → 1 点的连续性得以保留合规标志content_hashtag_compliance、content_mention_compliance把brief 要求与实际执行连接起来——同样的 brief 要求下执行到位与否会产生可区分的信号六、特征如何进入模型Pipeline 一图流59 列特征 DataFrame ├─ OneHotEncoder → 处理单值类别brand_industry、hook_type、upload_day ├─ StandardScaler → 缩放数值列与多热列 └─ Ridge (alpha10) → 输出互动率预测值多热列本身已是 0/1交给StandardScaler统一缩放即可无需再做 one-hotalpha 通过GroupKFold按brief_id分组网格搜索避免同一条 brief 的内容泄漏到验证折评估真正反映对新 brief的泛化能力交叉验证指标cv_mae ≈ 0.0114、cv_rmse ≈ 0.0146、cv_r2 ≈ 0.71而均值预测基线的 MAE 约 0.0215——模型将 MAE 降低了约 47%完整数值见 README.md 与 config.json 的training_metrics七、加载与推理列名顺序就是契约import skops.io as sio path engagement_ridge.skops # 或从模型仓库下载 model sio.load(path) # skops 序列化比 pickle 安全 # X 的列必须与 config.json - feature_columns 完全一致 prediction model.predict(X)依赖版本固定在 requirements.txtscikit-learn1.7.2、skops0.14.0、numpy1.26.4、pandas2.3.3。该模型在 Viralst 应用中通过POST /engagement/predict端点对外提供服务。八、使用与局限性提醒上游质量决定模型质量brief 特征依赖上游 LLM 从文档中提取若提取缺漏预测质量会随之下降合成数据的边界当前指标描述的是对合成关系的还原度尚未在真实品牌投放数据上验证行业覆盖训练集仅 3 个行业 × 10 品牌外推到新行业时应保持谨慎总结engagement-predictor 的特征 schema 是一份教科书级的特征工程设计清单三层结构brand / brief / content对应营销投放的真实决策链路31 列多热编码优雅表达了一个字段多个取值的现实周期编码、跨度派生、合规标志展示了数值特征的经典技巧Ridge GroupKFold保证了正则化稳健与评估无泄漏想动手验证直接克隆仓库后加载 engagement_ridge.skops用 dataset/ 中的 CSV 拼出 59 列 DataFrame即可跑通完整推理链路 赞分享【免费下载链接】engagement-predictor项目地址https://ai.gitcode.com/hf_mirrors/raviearjun/engagement-predictor点击查看免费下载相关推荐Emacs Writing Studio与外部工具集成LibreOffice、ImageMagick等协同工作指南Emacs Writing Studio与外部工具集成LibreOffice、ImageMagick等协同工作指南 Emacs Writing StudioD2L.ai特征工程数值特征、类别特征与文本特征处理完整指南D2L.ai特征工程数值特征、类别特征与文本特征处理完整指南 想要在深度学习项目中获得出色的模型性能吗特征工程是关键 D2L.ai 提供了完整的特征工人工智能深度学习机器学习教程文档Rust RFCs 特征系统深度解析从基础特征到高级特征绑定终极指南Rust RFCs 特征系统深度解析从基础特征到高级特征绑定终极指南 想要真正掌握Rust编程语言的精髓理解特征系统是关键 Rust RFCs 作为语文档上一篇如何快速上手ERNIE-4.5-VL-28B-A3B-Thinking完整安装与部署指南下一篇PaddleHelix百度开源生物计算平台的完整指南与核心技术解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考