机器学习-CTR预估基础知识.pptVIP

1.2 CTR预估评价指标 1.CTR预估基础知识 离线指标：线下评估预测的好坏 在线指标：线上实际效果 LogLoss AUC CPM CPC 最终指标 重要参考指标 准确 排序效果 1.2 CTR预估评价指标 1.CTR预估基础知识 KL距离：是Kullback-Leibler差异（Kullback- Leibler Divergence）的简称，也叫做相对熵（Relative Entropy）。它衡量的是相同事件空间里的两个概率分布的差异情况。 LogLoss： 1.2 CTR预估评价指标 1.CTR预估基础知识 例子： 真实分布：A(0)=1/2 A(1)=1/2 预测分布B：B(0)=1/4 B(1)=3/4 预测分布C：C(0)=1/8 C(1)=7/8 KL(A||B)KL(A||C) 所以B离真实分布更近一些 LogLoss： 1.2 CTR预估评价指标 1.CTR预估基础知识 真实ctr：tctr 预测ctr：pctr LogLoss： 1.2 CTR预估评价指标 1.CTR预估基础知识 logloss 1.2 CTR预估评价指标 1.CTR预估基础知识 Logloss的计算方法: loss = 0 for i from 1 to N if click[i] ==1: loss += －log(pc