1.样本选择
传统的cvr建模往往选择点击后的转化和未转化样本,这样训练出来的模型用在全量样本上进行预估,而非只对点击样本进行预估。即是说,训练数据与实际要预测的数据来自不同分布,这个偏差对模型的泛化能力构成了很大挑战,会导致样本选择偏差;
通过加入一些未点击样本作为label为0的负样本,可以缓解样本选择偏差;
选择全量样本作为训练样本,在这种策略下我们假设未点击的样本肯定不会转化,但是我们不知道当未点击用户点击了之后是否会转化,如果直接使用0作为它们的label,会很大程度上误导CVR模型的学习;