站群导航· 游戏攻略 / 礼包码 / 配置 / 换算 / 查询 / 手册
导航菜单
首页 全部文章 留言本

面积体积

共 396 篇文章

概率校准:模型说30%点击,实际只有12%怎么办
模型输出0.3,实际点击率只有0.12,这叫校准不良。排序本身可能没问题,但用来做竞价、做预算分配就会出错。校准和区分度是两件事,AUC高不代表概率准。判断校准好坏常用可靠性图:把预测概率分10档,每档算实际点击率,画出来越接近对角线越好。
编辑部 1 2026-11-09 面积体积
排序模型特征工程:20个特征里哪5个真正影响GMV
一个中型电商的排序团队曾堆了87个特征,离线AUC做到0.81,上线后GMV只涨了0.3%。后来做特征归因,发现前5个特征贡献了72%的增益,剩下82个特征里有一半是噪声。这件事说明特征数量不等于效果,得看场景。他们做的第一件事是特征分组消
编辑部 2 2026-11-09 面积体积
贝叶斯平滑在点击率统计中的应用
统计点击率时,曝光10次点击3次得到30%,曝光10000次点击3000次也是30%,但可信度天差地别。小样本的极端比率直接使用会误导排序。贝叶斯平滑的思路是引入先验,把全局平均点击率作为先验均值,用物品自身数据更新后验。曝光少时后验接近先
编辑部 3 2026-11-09 面积体积
曝光数据统计:为什么你的点击率被高估了15%
某资讯App2022年自查发现,后台报表的点击率比真实值高约15%。原因很朴素:曝光埋点在内容渲染时上报,而用户快速滑动时内容只渲染了0.3秒就被划走,曝光已计入但用户根本没看到。这类“无效曝光”在信息流场景占比可达12%到18%。修正方法
编辑部 3 2026-11-09 面积体积
概率校准实战:模型说30%点击实际只有18%
排序模型输出 0.3,实际点击率 0.18,排序没错但出价和阈值全错。2023 年我们在广告场景做过一次校准,流程 5 步。先诊断。按预测概率分 10 桶,统计每桶实际点击率,画校准曲线。理想是 45 度线,我们发现在 0.2 到 0.5
编辑部 3 2026-11-09 面积体积
排序模型上线前,AUC涨了0.02为什么线上反跌
离线AUC从0.71涨到0.73,团队欢天喜地上了线,结果次日人均点击下降4.2%。这种事在推荐排序里每年都会遇到几次,问题往往不在模型本身,而在评估口径和线上分布的错位。第一个错位是样本权重。离线训练用全量曝光做负样本,但线上排序只影响前
编辑部 2 2026-11-09 面积体积
点击率预估的校准问题:预估0.1实际只有0.06怎么办
模型预估点击率0.1,线上实际点击率0.06,偏差67%。这种校准失真的问题在广告和推荐场景里非常普遍,直接影响出价和排序。先定位偏差来源。常见三类:负采样导致的先验偏移、训练数据时间窗口和线上不一致、模型过拟合导致的分数压缩。拿一周的预估
编辑部 4 2026-11-09 面积体积
A/B测试样本量算错,我们多跑了23天
2022年秋天,一个推荐排序实验原计划跑14天,实际跑了37天。原因不是效果不明显,是最初的样本量计算把基线转化率估高了。基线按3.2%算,实际只有2.4%,所需样本量翻了近一倍。样本量公式里最敏感的是最小可检测效应。团队当时想检测2%的相
编辑部 4 2026-11-09 面积体积
推荐系统冷启动:新用户前10次曝光的策略设计
新用户没有行为数据,推荐系统面临典型冷启动。某内容App的数据显示,新用户首次会话的跳出率高达47%,而老用户只有19%,差距主要来自前10次曝光的内容相关性。策略分三层。第一层是注册信息利用:年龄、性别、地域、注册渠道。实测显示仅用这4个
编辑部 3 2026-11-09 面积体积
数据统计口径对齐:DAU与点击率跨部门争议的解法
产品说DAU 500万,数据组说480万,运营说520万,三个数都对,因为口径不同。某公司2023年一次周会上为这事吵了40分钟,最后发现差异来自去重时间窗(自然日vs滚动24小时)、设备vs用户、是否含内部账号。口径差异常见6处:统计周期
编辑部 3 2026-11-08 面积体积
时间衰减怎么设:半衰期7天和30天,效果差多少
用户行为样本要不要按时间衰减加权,衰减多快,直接决定模型学到的是近期偏好还是长期习惯。某电商用两组参数做了对照,半衰期7天和30天,线上GMV差4.2%。先看数据形态。统计某用户群体30天内的点击分布:第1天占9.1%,前7天累计52%,前
编辑部 4 2026-11-08 面积体积
概率常识:独立事件和赌徒谬误
抛硬币连续出现五次正面,很多人下意识觉得下一次更可能出反面,这就是赌徒谬误。独立事件的概率不受历史影响,公平硬币下一次正反仍各占一半。独立性的关键在于事件之间没有因果或条件关联。但现实中很多事件并不独立,比如天气影响出行,出行影响消费。误把
编辑部 4 2026-11-08 面积体积
特征工程的5个陷阱:维度翻倍,效果为何归零
某团队把特征从80维扩到350维,离线AUC只从0.76涨到0.762,训练时间从20分钟涨到3小时。加特征不是免费的,维度上去后噪声、共线性、过拟合一起出现,收益被抵消。陷阱一,用未来信息。特征“用户近30天退款次数”如果统计窗口包含了标
编辑部 3 2026-11-08 面积体积
日活统计口径差3倍:去重、时区、埋点三处常见坑
同一款工具类App,产品团队报日活85万,数据团队报28万,老板问到底信谁。查了两天,差异来自三处:产品用的是“启动次数去重设备号”,数据用的是“有效会话去重用户ID”;产品按北京时间切日,数据按UTC;产品把测试环境和正式环境混在一起算。
编辑部 4 2026-11-08 面积体积
概率校准实战:模型输出0.8实际只有0.55怎么办
模型说这个用户有80%概率点击,实际统计只有55%,这叫概率校准失败。它在广告出价、风控定价、推荐融合里都会直接造成经济损失,值得单独处理。先判断是否需要校准。把预测概率从0到1分10个桶,每桶至少500个样本,画可靠性图。如果每个桶的预测
编辑部 4 2026-11-08 面积体积
概率校准:模型说30%点击,实际只有11%
模型输出0.3,业务方按30%点击率备货,结果实际点击11%。三倍偏差,库存压了80万。这不是模型排序能力差,是概率没校准。排序对了,概率错了,下游全错。校准问题从采样来。原始数据正负比1比40,训练时下采样到1比4,正样本被放大10倍。模
编辑部 5 2026-11-08 面积体积
模型评估别只看准确率:一个99%准确的废模型
某风控模型准确率99.2%,上线后一笔欺诈都没拦住。原因简单:欺诈样本只占0.5%,模型全预测为“正常”就能拿到99.5%的准确率。准确率在类别不平衡场景下几乎没有信息量。换指标。查准率(预测为欺诈里真欺诈的比例)和查全率(真欺诈里被抓住的
编辑部 4 2026-11-08 面积体积
电商推荐位排序:点击率与转化率的5种权衡
2023年某综合电商的首页推荐位日均曝光1.2亿次,点击率约4.3%,转化率1.1%。这两个数字背后是排序算法的取舍:把点击率高的商品往前放,容易吸引眼球但不一定卖得动。假设商品A点击率6%、转化率0.4%,商品B点击率3%、转化率1.8%
编辑部 3 2026-11-08 面积体积
推荐排序冷启动:新用户前10次点击的权重设计
新用户注册后的前10次点击,往往决定了他会不会在第11次打开应用。某电商后台数据显示,注册7天内点击不足5次的用户,30日留存率只有18%,而点击超过15次的用户留存率能到52%。冷启动阶段不能照搬老用户的排序模型,因为老模型依赖的历史行为
编辑部 4 2026-11-08 面积体积
冷启动怎么做:没有数据时的推荐策略
冷启动分两种:新用户没有行为,新物品没有曝光。两者都缺数据,但解决思路不同。新用户靠画像和上下文,新物品靠内容和探索。新用户可以先用注册信息、设备、地域、时段做粗粒度推荐,再用少量交互快速收敛。热门榜单加多样性打散,是简单有效的兜底策略。新
编辑部 5 2026-11-08 面积体积