机器学习之CTR预估评价指标

最新推荐文章于 2025-06-03 19:38:31 发布
原创 最新推荐文章于 2025-06-03 19:38:31 发布 · 6.6k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了CTR预估中的两个重要评价指标：LogLoss和AUC。LogLoss通过衡量模型预测概率与真实分布的差距评估模型性能，适用于二分类及多分类问题。AUC则是ROC曲线下的面积，代表随机选取正负样本，模型将其正确排序的概率。AUC值越高，分类效果越好。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一 离线、在线评价指标

1.1 LogLoss对数损失

  • 熵


    熵的主要作用是告诉我们 最优编码信息方案的理论下界（存储空间），以及度量数据的信息量的一种方式。理解了熵，我们就知道有多少信息蕴含在数据之中，现在我们就可以计算当我们 用一个带参数的概率分布来近似替代原始数据分布的时候，到底损失了多少信息。

  • 交叉熵

  • KL散度(相对熵)


    上式中 代表观察样本的真实分布概率，
最低0.47元/天 解锁文章

200万优质内容无限畅学
cpp-LightCTR一个轻量级的CTR预估机器学习开源框架
08-16
LightCTR：一个轻量级的CTR 预估机器学习开源框架
ctr预估中的评估指标及校准
JustForFun的博客
10-10 1万+
ctr预估中的评估指标及校准 背景 最近在实际的工作中发现离线指标与线上指标并非线性吻合关系，因此对离线指标的评估产生了一些思索，因此这里复盘一下ctr预估中的常用评估指标，并附上自己的思考。 为什么要做ctr预估？ 对于常见的推荐问题而言，并不是太关注模型输出概率的绝对值大小而更关注的相对大小，即排序。 广告等ctr预估模型中，由于最终的排序还要乘以bid，因此对于ctr的准确度要求非常高，举...
电商关键指标之--CTR,CVR,PV,PV-L2O
greatuniverse2345的博客
06-03 1979
电商核心指标解析与优化摘要： CTR（点击率）：反映商品吸引力，公式为点击次数/展示次数×100%。优化策略包括优化主图、标题和广告位。 CVR（转化率）：衡量交易转化能力，公式为转化次数/点击次数×100%。需优化详情页、促销策略和信任建设。 PV（页面浏览量）：评估流量规模，可通过扩展入口和关联推荐提升。 PV-L2O（曝光到下单转化率）：全链路指标，需协同提升CTR和CVR。 核心关联：CTR决定流量规模，CVR决定变现效率，共同影响ROI。优化需持续测试与监测，以提升整体变现效果。
程序化广告（二）- 考核指标如CTR/CVR/ROI/ARPU等
Think Different
08-26 1万+
随着在线广告技术的快速发展以及流量渠道的广泛延伸，衡量和评估网络广告效果的难度也在逐渐上升。如果没有一套完整的衡量体系用户评估广告效果，各种滥竽充数、以次充好的现象将会层出不穷，真正的广告技术和流量渠道却容易被“劣币”驱逐，市场难以和谐健康的发展。本文，聊一下广告投放中的基础指标、效果指标、品牌指标等，以便在实际工作中能灵活地进行多维度、多指标的数据分析，从而更清晰、更客观地评估各广告平台或流量...
CTR 预测理论（二）：机器学习分类模型评价指标详述
Dby_freedom的博客
08-31 5296
问题建模 机器学习解决问题的通用流程：问题建模——特征工程——模型选择——模型融合 其中问题建模主要包括：设定评估指标，选择样本，交叉验证 解决一个机器学习问题都是从问题建模开始，首先需要收集问题的资料，深入理解问题，然后将问题抽象成机器可预测的问题。在这个过程中要明确业务指标和模型预测目标，根据预测目标选择适当指标用于模型评估。接着从原始数据中选择最相关的样本子集用于模型训练，并对样本子集...
ctr预估（一）关键问题
进一步有进一步的欢喜~
08-19 483
深度学习CTR模型要解决的几个关键问题 1、ctr任务特点：大量离散特征的表示问题 2、ctr任务特点：如何快速处理大量高纬稀疏特征？ 3、特征工程：如何从手动到自动（深度学习的优势-端到端） 4、特征工程：如何捕获和表达两两特征组合？（FM+NN） 5、如何捕获和表达多组组合特征？（DeepFM） ...
机器学习-CTR预估基础知识
05-05
12. CTR 预估基础知识课程提要：CTR 预估基础知识课程提要是指学习CTR 预估基础知识的课程大纲，课程提要包括CTR 预估定义和概念、CTR 预估评价指标、CTR 预估系统、CTR 预估模型与特征工程等几个方面。 机器学习-...
2020 华为 Digix 算法大赛机器学习赛道 CTR 预估初决赛排名第一
最新发布
08-17
资源下载链接为： https://pan.quark.cn/s/c0af18226304 2020 华为 Digix 算法大赛机器学习赛道 CTR 预估初决赛排名第一（最新、最全版本！打开链接下载即可用！）
【python】华为digix算法大赛2020机器学习赛道-ctr预估初赛-决赛rank1.zip
12-14
华为Digix算法大赛2020的机器学习赛道聚焦于点击率(CTR)预估，CTR预估作为互联网广告和推荐系统领域的重要技术，是衡量广告投放效果和用户体验优化的关键指标之一。在这次比赛中，参与者被要求开发有效的模型来预测...
从 FM 推演深度学习 CTR 预估模型及代码解析
08-10
随着深度学习的发展，研究者们开始尝试将深度学习的思想应用到CTR预估中，从而发展出了一系列的深度学习CTR预估模型。这些模型通常可以分为三大类：基于特征表示学习的方法、基于序列模型的方法和基于图模型的方法。...
CTR预估评价指标介绍
小熊猫的博客
10-30 4146
1.1 Logloss 1.1.1 基本原理 Logloss即对数损失, 也称为对数似然损失(Log-likelihood Loss),或交叉熵损失(cross-entropy Loss), 是在概率估计上定义的.可用于评估分类器的概率输出. CTR预估是一个二分类问题,只有两类 {0, 1}, 则Logloss公式为 　　其中, yi为输入实例 xi的真实类别, pi为预测输入实例 xi属于...
CTR预估模型原文汇总
12-08
CTR预估相关模型原文汇总，其中包括DeepFM、AFM、DIN、DIEN、FM、FFM、FNN、NFM、Wide&Deep;、PNN等模型。
CTR 预测理论（十五）：分类评价指标 AUC 总结（优缺点、计算公式推导）
Dby_freedom的博客
05-04 1万+
个人复习总结分类评价指标 ROC，AUC 时候，私以为 AUC 作为 CTR 预估常用离线评估指标，有着丰富的含义和特性，现对其含义、优缺点、用途、计算公式推导等做一个盘点。
3、CTR预估相关介绍
weixin_45063703的博客
03-06 5430
前言 推荐系统通常分为召回和排序两个步骤 召回：粗排选取合适的内容，可以通过协同过滤，兴趣tag，内容最热等方式 排序（CTR预估）：使用一个点击率预估模型（输入用户特征，内容特征，用户内容交叉特征等）对召回出来的内容进行排序 1、CTR预估 CTR预估是推荐中最核心的算法之一。 相关概念： CTR预估：对每次广告的点击情况做出预测，预测用户是点击还是不点击。 CTR预估的影响因素：比如历史点击率、广告位置、时间、用户等。 CTR预估模型：综合考虑各种因素、特征，在大量历史数据上训练得到的模型，用
CTR预估专栏 | 一文搞懂阿里Deep Interest Network
weixin_34354945的博客
07-23 611
作者 | 李宁宁来源 | 机器学习荐货情报局（ID：ML_CIA）编辑 | VincentAI 前线导读：Deep Interest Network(DIN) 是盖坤大神领导的阿里妈妈的精准定向检索及基础算法团队，在 2017 年 6 月提出的。它针对 电子商务领域 (e-commerce industry)的 CTR 预估，重点在于 充分利用 / 挖掘用户历史行为数据中的信息。本文将对 DIN ...
机器学习_预测概率校准
RL小站
06-14 3735
我们在建模时通常根据准确性或准确性来评估其预测模型，但几乎不会问自己：“我的模型能够预测实际概率吗？但是，从商业的角度来看，准确的概率估计是非常有价值的（准确的概率估计有时甚至比好的精度更有价值）。来看一个例子。AB两个模型的AUC一样。但是根据模型A，你可以通过推荐普通马克杯来最大化预期的利润，然而根据模型B，小猫马克杯可以最大化预期的利润。在像这样的现实应用中，搞清楚哪种模型能够估算出更好的概率是至关重要的事情。
互联网广告综述之点击率特征工程
热门推荐
mytestmy的专栏
02-11 2万+
互联网广告综述之点击率特征工程 声明： 1）该博文是整理自网上很大牛和专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献 2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应，更有些部分本来就是直接从其他博客复制过来的。如果某部分不小心侵犯了大家的利益，还望海涵，并联系老衲删除或修改，直到相关人士满意为止。 3）本人才疏学浅
CTR预估（4）--CTR特征工程
weixin_30886233的博客
02-19 491
1、特征工程 　　模型与特征在机器学习中的关系： 　　 　　特征：决定了效果的上限；模型决定了接近效果上限的程度； 　　数据格式： 　　 　　label：0/1点击或者没有点击 　　urlID：广告的url经过hash后得到的hash值 　　adid：广告本身的ID 2、数据预处理 　　（1）、label匹配 　　　　主要就是不同数据文件中的不同的特征合到一起，整理...
百度广告大数据：大规模机器学习提升CTR预估精度
广告数据中的核心问题是实现用户与广告的精准匹配，以最大化流量变现和提升广告效益，如点击率预估（CTR预估）。 计算广告学是研究这一领域的重要分支，其核心问题包括在海量广告库中，如何根据用户的历史行为和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值