推荐算法中点击率CTR修正方法—威尔逊区间

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：