模型预测结果校准——参数拟合分布

模型预测结果校准——参数拟合分布

以预估值作为变量，观测值作为目标，用回归算法拟合参数。（use a calibration layer to match predicted CTRs to observed click{through rates）。

1. Platt Scaling tric approach）， 使用LR模型（sigmoid函数）对模型的输出值进行拟合，将模型的原始输出值映射为概率值，区间（0，1）。
2. 文献[1]中，在Google的CTR预估模型中，使用Poisson Regression对数据做回归，得到预测CTR到真实CTR的映射函数。在此基础上，更普遍的方法是使用分段线性或者分段常数的校正函数来应对更加复杂的曲线形状，然后为了保证映射函数是isotonic (monotonically increasing)，使用Isotonic Regression对映射函数进行保序、平滑。[1]

参考文献：

[1] H. Brendan McMahan, et al. Ad Click Prediction-a View from the Trenches. KDD2013