威尔逊置信区间算法

此算法的基础是以用户对某种抉择的二项性为基础，每条可记录的数据都是“0-1”的独立事件，符合泊松分布，于是该类数据很容易归类于二项分布里。二项分布计算置信区间有多种计算公式，最常见的是“正太区间”（Normal approximation interval），但它只适用于样本较多的情况（np > 5 且 n(1 − p) > 5），对于小样本，它的准确性很差。Wilson算法正是解决了小样本的准确性问题，Wilson算法的输入是置信度，输出是置信区间，如果要做数据排序对比，则可以选择置信区间的下限数据。

S为威尔逊置信区间算法公式，其中n为样本总数，u为正例数，v为反例数，z表示对应某个置信水平的统计量，一般情况下，在95%的置信水平下，z统计量的值为1.96。举个简单例子，给某个人投票，80票赞成，20票反对，则n为100，u为80，v为20。

正态分布的分位数表：

算法性质：

1. 性质：得分S的范围是[0,1)，效果：已经归一化，适合排序
2. 性质：当正例数u为0时，p为0，得分S为0；效果：没有好评，分数最低；
3. 性质：当负例数v为0时，p为1，退化为1/(1 + z^2 / n)，得分S永远小于1；效果：分数具有永久可比性；
4. 性质：当p不变时，n越大，分子减少速度小于分母减少速度，得分S越多，反之亦然；效果：好评率p相同，实例总数n越多，得分S越多；
5. 性质：当n趋于无穷大时，退化为p，得分S由p决定；效果：当评论总数n越多时，好评率p带给得分S的提升越明显；
6. 性质：当分位数z越大时，总数n越重要，好评率p越不重要，反之亦然；效果：z越大，评论总数n越重要，区分度低；z越小，好评率p越重要；

Python代码实现：

def wilson_score(pos, total, p_z=0.8):
    """
    威尔逊得分计算函数
    :param pos: 正例数
    :param total: 总数
    :param p_z: 正太分布的分位数
    :return: 威尔逊得分
    """
    pos_rat = pos * 1. / total * 1.  # 正例比率
    score = (pos_rat + (np.square(p_z) / (2. * total))
             - ((p_z / (2. * total)) * np.sqrt(4. * total * (1. - pos_rat) * pos_rat + np.square(p_z)))) / \
    (1. + np.square(p_z) / total)
    return score

应用测试：