文章讨论了数据转化延迟对模型预测准确度的影响，指出长时间延迟可能导致低估。提出了使用ESMM模型预测转化延迟率的方法，以改善实时反馈并提高转化率的准确性。
转化数据延迟久，但实时反馈至关重要涉及到模型预估准度，进而影响客户成本。
现状：超过12h的转化被视为负例，12h以内的为正例，这样会导致模型低估。公示如下：
P ( 转化 ∣ 点击 ) = 延迟 ≤ 12 h 的转化 未转化点击 + 延迟 ≤ 12 h 的转化 + 延迟 > 12 h 的转化 P(转化|点击) = \frac{延迟\leq 12h的转化}{未转化点击 + 延迟\leq 12h的转化 + 延迟 > 12h的转化} P(转化∣点击)=未转化点击+延迟≤12h的转化+延迟>12h的转化延迟≤12h的转化
方案
建模延迟率预估，类似于esmm：
P
(
转化
∣
点击
)
=
P
(
转化延迟
≤
12
h
∣
点击
)
P
(
转化延迟
≤
12
h
∣
转化
)
P(转化|点击) = \frac{P(转化延迟\leq 12h | 点击)}{P(转化延迟 \leq 12h | 转化)}
P(转化∣点击)=P(转化延迟≤12h∣转化)P(转化延迟≤12h∣点击)
模型如下：
973
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
