传统的CVR建模仅基于点击后转化和未转化样本，导致训练与预测数据分布不一致，引发样本选择偏差。通过引入未点击样本作为负样本，可以改善这一问题。全量样本训练假设未点击样本不会转化，但直接设为0可能误导模型。该文探讨了如何通过合理选择样本来提升模型泛化能力。
1.样本选择
传统的cvr建模往往选择点击后的转化和未转化样本，这样训练出来的模型用在全量样本上进行预估，而非只对点击样本进行预估。即是说，训练数据与实际要预测的数据来自不同分布，这个偏差对模型的泛化能力构成了很大挑战，会导致样本选择偏差；
通过加入一些未点击样本作为label为0的负样本，可以缓解样本选择偏差；
选择全量样本作为训练样本，在这种策略下我们假设未点击的样本肯定不会转化，但是我们不知道当未点击用户点击了之后是否会转化，如果直接使用0作为它们的label，会很大程度上误导CVR模型的学习；
扫一扫
1027
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
