墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
700+累计阅读
781平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
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；
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
