最近学习了hive的udf,ctr修正案例,做个简单小总结:
CTR = 点击数 / 曝光数
由于原始CTR计算方式只考虑了相对值,没有考虑绝对值。即,没有考虑曝光的数值大小,在曝光少的情况下,计算出的CTR其实不可靠,样本充足的情况下,才能反应真实情况
举例:
此三个广告的CTR 都是 0.5 ,但是按照实际表现,从置信的角度分析,应该是C > B > A,因为C的样本数更多,可信度更高。
为了衡量样本数对于 CTR 置信区间的影响,科学家们引入"威尔逊(Wilson)区间"的概念。公式如下
p:概率,在这里指点击的概率,ctr
n:样本总数,即曝光数
z:正态分布里的参数(在正态分布里,均值+z * 标准差会有一定的置信度。比如:z取1.96,就有95%的置信度)
A: