应用场景
在点击率预估场景下，计算item的ctr并不能真实反映用户对这个item的喜爱程度，比如itemA的曝光次数为5，点击次数为2；itemB的曝光次数为100，点击次数为40，那么直观感觉itemB要比itemA更受欢迎，因为itemB的曝光次数多，但两个item的ctr是相同的(0.4)，那么在这一维属性看来，这两个item在用户侧的喜好程度是相同的。这时需要引入威尔逊区间来解决上述问题。
数学原理
置信区间
在上述应用场景中，用户的点击在理想情况下服从二项分布，二项分布的p值(上述ctr)的可信度对应的概率取值区间即为置信空间，举个实际例子，假如某一个item的ctr为0.8，通过一定公式计算出该item对应的ctr有95%的把握(可信度)落入[0.75%, 0.85%]之间，这里[0.75%, 0.85%]即为置信空间。
威尔逊区间
置信区间的计算多种多样，这里列举其中一种，即为威尔逊区间，公式如下：
p
+
z
2
2
n
1
+
z
2
n
±
z
1
+
z
2
n
p
(
1
−
p
)
n
+
z
2
4
n
2
\frac{p+\frac{z^2}{2n}}{1+\frac{z^2}{n}}\pm \frac{z}{1+\frac{z^2}{n}}\sqrt{\frac{p(1-p)}{n} + \frac{z^2}{4n^2}}
1+nz2p+2nz2±1+nz2znp(1−p)+4n2z2
其中p为ctr；z为正太分布置信度对应的取值，可以通过查表得到；n为样本容量。可以看出，在相同z和p的情况下，n越大，威尔逊区间的范围就越窄，而当n无限大时，威尔逊区间取值变为p。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
