在有偏CTR预估中我们抛出了CTR预估有偏的问题，当pCTR的绝对值有意义的时候（比如涉及第三方竞价的广告竞拍），需要用一定的手段对其校准。
而引起估计值失真的情况，不单单是数学原理上的有偏估计带来的，还有采样也会改变样本隐含的概率值非均衡样本采样。
针对这种情况，我们需要对预估值校准。
1、用先验知识矫正。（prior correction）不修改训练过程，直接校准预估结果
a、第一种阐述
在非均衡样本采样中，【根据论文[4]中阐述】用参数推导出了采样后概率Ps 与采样前概率P以及采样率Beta之间的公式。则我们可以通过Ps以及Beta计算出真实概率P
得出如下公式：
（这部分的逻辑在非均衡样本采样已有讨论，详细的假设推导过程在论文[1]中，facebook的论文[2]中也使用了这种手段）
Beta为下采样中选取副样本的概率，Ps是正样本在采样后的真实后验，P是正样本在原数据集中的真实后验
真实概率P与采样后的概率Ps的关系如图：（即采样率越接近0，采样后拟合出的Ps对真实值有越大的高估）
y轴为P，x轴为Ps，红色为beta=1，绿色beta=0.5，蓝色beta=0.2
b、第二种阐述
在论文[1]中的4.1有阐述，intution的做法是对截距项进行修正。
在采样的MLE中，Beta1为一致性估计，不需要校准，而Beta0为非一致性估计，需要按照如下公式校准为一致性估计：
tao为真实样本中的正样本比例，yhat为样本中正样本的比例
在这里，由于tao和yhat一般都比较小。我们可以将其近似为
近似的矫正参数
在这个近似下，yhat/tao跟方法a中的beta参数是等价的。
我们将这个近似带入sigmoid公式中求解，可以得到与a相同的结果。
所以实际上a，b两个论文提供的结论在操作中是等价的！只是阐述的视角不同
另外，这个方法的主要问题是，如果模型is misspecified，Beta0和Beta1其实都不够robust。
2、修改训练过程，通过loss的weight来校准
更改正负样本的权重，权重直接影响loss，以及gradient
正样本权重为1，负样本权重为1/fraction，fraction为负样本采样的比例（采样率肯定是小于1的，所以负样本的权重大于1）
通过增加权重来弥补采样带来的影响，在实际训练中，可以使采样后的数据集合的loss与真实数据集loss保持线性关系。
（这种方式在谷歌的论文中有所使用[3]）（论文[4]中也有论述）
3、不修改训练过程，通过对预估pCtr与真实realCtr关系的建模来校准
这种方式在谷歌的论文中有所讨论[3]，其实思想也很简单，针对我们训练数据中分割多个partition，获取这部分数据的真实点击率，以及预估的点击率。这样作为训练样本，建模pCtr = f(realCtr)，比如pCtr= a * pCtr ^ b ，这个公式的求解方式用Poisson Regression即可。也可以用其他任意函数建模，对建模的mapping函数f唯一需要注意的就是，他必须要保证有序（isotonic），比如分段的线性函数，使用Isotonic Regression。
不过如果没有更强的假设条件，这个矫正后以及其feedback loop带来的impact是不可预知的
其他、
评估方法：
a、做一个Q分布线：https://zhuanlan.zhihu.com/p/37436978
b、OE(Observation Over Expectation)
refer:
[1]Logistic Regression in Rare Events Data
[2]Practical Lessons from Predicting Clicks on Ads at Facebook
[3]Ad Click Prediction: a View from the Trenches
[4]When is undersampling effective in unbalanced classification tasks?
网友评论