站群导航
· 游戏攻略 / 礼包码 / 配置 / 换算 / 查询 / 手册
算法窝
首页
全部文章
留言本
导航菜单
首页
全部文章
留言本
贷款利息
共 396 篇文章
全部
单位
396
日期计算
397
贷款利息
396
面积体积
397
百分比
397
新闻
396
模型评估:AUC 0.82的模型上线后为什么不如AUC 0.76的
2023年某金融风控团队训练了两个逾期预测模型,模型A离线AUC 0.82,模型B离线AUC 0.76。上线后模型B的坏账识别率反而高9个百分点。原因:AUC是全局排序指标,而业务只关心「阈值以上」的那部分人群,A在头部区间的区分度差。评估
编辑部
2
2026-11-09
贷款利息
推荐结果的概率校准:预测5%点击实际8%怎么修
排序模型输出的pCTR常用作打分,但如果预测值系统性偏离真实值,下游的加权、出价、混排都会失真。某信息流2023年8月的监控显示:预测pCTR在0.04-0.06区间的样本,实际点击率是0.081,偏差超过60%。表现是模型低估了中高概率内
编辑部
2
2026-11-09
贷款利息
模型评估别只看AUC:排序场景下这4个指标更贴近业务
AUC是排序模型最常用的评估指标,但它有个硬伤:只看正负样本的相对顺序,不看具体位置。线上只展示前20个位置,AUC 0.8的模型在Top20上可能输给AUC 0.75的模型。某招聘平台2022年就吃过这个亏,换模型后AUC涨0.03,投递
编辑部
3
2026-11-09
贷款利息
库存周转怎么算(健身计划场景)
库存周转的公式:销售成本 ÷ 平均库存。在健身计划里最常见的用法,是先把已知量列清楚,再代入公式,最后按单位核对结果是否合理。举例:假设输入是 100 和 25,按公式算出来的结果要是负值或大得离谱,多半是单位或方向搞错了。常见错误:把百分
编辑部
3
2026-11-09
贷款利息
模型上线后的衰减监控:7个指标与3条告警线
模型不是上线就完事。某推荐模型2023年3月上线时AUC 0.77,到9月降到0.69,团队没监控,直到业务方发现点击率跌了14%才回头查。半年衰减0.08,平均每月0.013,属于典型的数据漂移。指标1:特征PSI。对Top30特征做日级
编辑部
3
2026-11-09
贷款利息
排序模型的时效性:用30天老模型,点击率掉了19%
某电商排序模型每季度重训一次,去年Q3到Q4之间,线上点击率从6.8%掉到5.5%,掉了19%。排查发现,Q4上新了2万多个SKU,老模型的物品ID特征有一大半没见过,只能退回用类目特征兜底。推荐排序模型对时效性极其敏感。物品侧,新物品每天
编辑部
3
2026-11-09
贷款利息
数据统计里的辛普森悖论:3个真实案例和1套排查流程
2023年某在线教育平台发现,整体看新版本课程页转化率从6.1%降到5.8%,但拆开看,iOS端从7.2%升到7.6%,安卓端从5.4%升到5.7%,两端都涨了,整体却跌了。这是典型的辛普森悖论。原因在流量结构。新版本上线后,安卓低转化人群
编辑部
3
2026-11-09
贷款利息
排序模型离线AUC 0.81上线却跌了,3个分布错位要查
去年一个推荐排序模型离线AUC 0.81,团队认为稳了,上线后人均点击反而跌3.4%。复盘查到3个分布错位,每个都能单独让离线指标失真。第一个是时间错位。训练集用1月到3月,测试集随机切分,但线上是4月。4月有清明节和促销活动,用户点击品类
编辑部
4
2026-11-09
贷款利息
模型评估别只看AUC:GAUC和NDCG怎么配合用
一个排序模型AUC 0.79,团队很满意,上线后人均时长没动。换GAUC看只有0.62,问题清楚了:模型在全量样本上排序能力尚可,但在单个用户内部区分度不够。推荐排序是用户内排序,GAUC比AUC更贴近线上。GAUC按用户分组算AUC再加权
编辑部
4
2026-11-09
贷款利息
特征穿越:离线AUC 0.92,上线跌到0.61
离线AUC 0.92是个危险信号,正常推荐排序模型在0.75到0.82之间。到0.92八成是特征穿越,也就是训练时用到了预测时刻拿不到的信息。最隐蔽的一种:用「用户近30天点击商品的平均价格」做特征,但计算窗口包含了当前样本之后的行为。正确
编辑部
3
2026-11-08
贷款利息
模型评估别只看AUC:4个指标组合看排序质量
AUC 0.78和0.79的模型,线上可能差2个点,也可能没差别。AUC衡量的是全局排序,而推荐场景只关心前几位。只看AUC,等于用错尺子。第1个补充指标是NDCG@10。它给前排位置更高权重,适合评估首页前10条的质量。某资讯团队两个模型
编辑部
3
2026-11-08
贷款利息
模型上线后监控哪些指标才能及时发现退化
模型上线不是终点,数据分布会随时间变化,用户行为也在演化,今天有效的模型几个月后可能明显退化,缺乏监控就会在不知不觉中损失效果。首先要监控输入特征分布,比较线上与训练时的均值、分位数和缺失率。特征分布明显漂移,往往是模型效果下降的前兆。其次
编辑部
3
2026-11-08
贷款利息
模型评估别只看AUC:电商排序的4个线上指标拆解
离线AUC涨了0.02,线上GMV却没动,这种事在电商排序里很常见。某平台2022年一次模型迭代,离线AUC从0.792提到0.811,上线后点击率涨1.2%,但人均GMV跌0.6%,最后回滚。AUC衡量的是整体排序能力,不直接对应业务目标
编辑部
3
2026-11-08
贷款利息
推荐系统冷启动:新用户前10次点击怎么排序更准
新用户第一次打开资讯类应用,后台通常只有设备型号、注册渠道、地理位置三项信息。某二线城市产品团队统计过:注册后前10次点击的分布,直接决定该用户7日留存,差距可达18个百分点。常见的错误做法是直接按全站热度排序,把大众化内容推给所有人,结果
编辑部
4
2026-11-08
贷款利息
训练集、验证集、测试集的正确划分方式
机器学习项目里,数据划分直接决定评估结论是否可信。训练集用于拟合参数,验证集用于调参和模型选择,测试集只在最后用一次,用来估计泛化性能,三者职责必须严格区分。常见错误是反复在测试集上调参,看完测试结果再改模型,这样测试集实际上变成了验证集,
编辑部
3
2026-11-08
贷款利息
推荐结果多样性评估:3个指标和1个反直觉结论
推荐系统只优化点击率,3个月后用户会抱怨"推来推去就那几样"。多样性要量化,不然没法优化。列3个常用指标和1个反直觉的结论。指标1:类目覆盖度。一次推荐列表里出现的不同类目数除以列表长度。10条内容里3个类目,覆盖度0.
编辑部
4
2026-11-08
贷款利息
特征工程里的数据泄漏:一个特征让离线AUC虚高0.15
某团队做用户流失预测,加了一个特征“近7天客服工单数”,离线AUC从0.71跳到0.86,团队很兴奋。上线后效果几乎为零。查出来:训练样本的标签是“30天内是否流失”,而工单数据的时间窗口覆盖了标签期,用户流失后打的投诉工单被算进了特征。这
编辑部
3
2026-11-08
贷款利息
推荐系统数据埋点:漏了这4个字段,离线评估全白做
排序模型离线评估要做样本回放,需要请求ID、曝光位置、模型分、时间戳四个字段。缺一个,回放就对不上,离线指标和线上行为脱节。某团队埋点只记了曝光和点击,没记模型分,做不了反事实评估,只能干看线上CTR。请求ID是串联曝光、点击、转化的主键。
编辑部
3
2026-11-08
贷款利息
推荐系统冷启动:新用户前10次点击怎么排序更准
新用户注册后的前10次点击,决定了推荐系统后续70%的画像准确度。某电商在2023年做过一次A/B测试:对照组直接按热度排序,实验组用「探索-利用」混合策略,前3次点击各分配60%给高热度、40%给长尾内容,第4到10次根据已点击品类做相似
编辑部
3
2026-11-08
贷款利息
CTR预估的样本权重:负采样比例设多少才不偏
某广告排序模型训练时做了1:4负采样,离线AUC 0.79,上线后发现预估CTR整体偏高约2.3倍,出价策略全乱。原因是负采样改变了正负样本比例,但预估时没做校准。这类问题在中小团队里非常常见,修起来不难,难在发现。负采样后校准公式:若负样
编辑部
6
2026-11-08
贷款利息
共396条记录
1
2
3
下一页
尾页
体育直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
NBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
CBA直播
足球直播
足球直播
足球直播
足球直播
足球直播
体育直播
足球直播
足球直播
足球直播
足球直播
足球直播
足球直播
足球直播
足球直播
体育直播
足球直播
足球直播
足球直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播
英超直播