- 博客(2)
- 收藏
- 关注
RSS订阅原创 如何度量预测用户付费的误差
把误差定义为预测误差占真实值的百分比，则真实付费值10，预测误差值1，和真实付费值100，预测误差值10，尽管数值上有10倍的差异，但在百分比上都是误差10%。相对于平均值回归曲线，MAPE在平均值回归曲线下方的点，更小，乘数更大，有更大的权重，会把MAPE整体往平均值回归曲线的下方去拉，会有更多的点在平均值回归曲线下方，使得更多预测值低于平均值，从而导致欠预测。对于实际业务场景，如果只优化误差，导致信号量变小，给下游系统的信号值不够，也会影响下游系统的业务，得不偿失，所以需要对误差和信号量综合度量。
2023-05-18 10:28:08
446
1
原创 高级神经网络系列之一：运用多输入模型优化不同维度特征
使用神经网络模型做用户付费金额预测，一种常见的特征工程场景，是把某个特定付费区间，比如付费金额大于10小于等于12的付费用户信息处理成特征，既可以将这部分用户的付费人数作为特征，也可以将这部分用户的付费金额总和作为特征。对于上述的两种不同维度的特征，发现一个有意思的现象，按用户属性，比如国家，平台等属性对用户样本分组，部分样本在有付费人数特征的模型（简称模型A）上表现更好，即预测结果的误差更小，另一部分样本在有付费金额特征的模型（简称模型B）上表现更好。
2023-05-18 08:47:56
325
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人