CTR（点击率）是衡量广告效果的重要指标，用于预测用户点击推荐内容的概率，常见于计算广告、推荐系统和信息流排序。高维度稀疏特征的处理在CTR预估中至关重要。同时，准确率、召回率和F1分数是评估模型性能的常用指标，F1分数综合了准确率和召回率，提供了一种平衡二者的度量方式。
CTR
CTR又称为广告点击率，英文名（click through rate）
计算公式：
CTR=click次数/impression次数
CTR预估任务：比如给用户推荐一个电影，用户会不会看这个电影，看的概率有多高。
应用场景：计算广告，推荐系统，信息流排序
典型特征：具备大量的离散特征，存在大量高纬度的稀疏特征，特征工程很重要。
挖掘特征包含两类工作，一类是找出以前没有用到的单一特征；第二类就是找有效的组合特征。
准确率、召回率与F1
将样例根据真实值和预测值组合，划分成四种形式，真正例（true positive），假正例（f
最低0.47元/天 解锁文章
643
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
