点击率预估中正样本通常只占百分之几，负样本压倒性多。直接训练会让模型偏向预测负类，虽然 AUC 可能还行，但预估概率严重偏低，影响后续的排序融合和出价。
常见做法是负采样，把负样本按比例下采样，让正负比接近 1:1 到 1:10。注意采样会改变先验，训练出的概率需要做校准还原，常用公式是 p = p' / (p' + (1-p')/r)，其中 r 是负样本保留率。
也可以不做采样，改用代价敏感学习：给正样本更高权重，或使用 focal loss 让模型关注难样本。这样保留全部负样本信息，但训练成本更高。
比例不是越平衡越好。负采样过度会丢失大量易分负样本带来的分布信息，导致模型对真实流量的判别力下降。建议按线上真实分布做小比例采样，并通过校准后的 logloss 验证。
最终应以业务指标为准：校准后的概率是否可靠、Top 位置的点击率是否提升，比训练集上的正负比例更有意义。
