霜叶的博客

例如统计分钟维度下的占比。FLOOR #向下取整。ROUND #四舍五入。CEIL #向上取整。

在曝光很少的情况下，计算出的CTR并不真实可靠，而样本数越大，CTR的比例才越准确，更能反应真实情况。为了衡量样本数对于CTR信区间的影响，我们引入"威尔逊（Wilson）区间"的概念。Wilson区间的含义就是，就是指在一定置信度下，真实的CTR范围是多少。

DCG 的出发点可以理解为：在搜索引擎的结果中，相关结果比弱相关和不相关的结果更为重要，因而要更注重对相关结果的排序结果。目前在我所在的搜索场景在离线评测时还是会考虑 NDCG 的情况，而具体的 K 值选择则要根据业务场景自行调整。错误率与精度是分类任务中最常用的两种性能度量，错误率是指分类错误的样本占样本总数的比例，精度则是分类正确的样本数占样本总数的比例。Mean reciprocal rank(MRR) 是另一种对排序列表进行评价的指标，MRR 定义为。表示第i个查询第一个相关结果在列表中的位置。

用于定义 t-检验的类型: 1 代表成对检验；2 代表双样本等方差假设；双样本等方差单尾检测 ：=TTEST(A2:A8,B2:B8,1,2)双样本异方差单尾检测 ：=TTEST(A2:A8,B2:B8,1,2)双样本等方差双尾检测：=TTEST(A2:A8,B2:B8,2,2)双样本异方差双尾检测：=TTEST(A2:A8,B2:B8,2,2)成对单尾检测 ：=TTEST(A2:A8,B2:B8,1,1)成对双尾检测：=TTEST(A2:A8,B2:B8,2,1)excel计算pvalue参考网址。

model_v0_predict的数据形式为 id(唯一标识一条记录)｜label(标签)｜prediction(预测分数)｜ds(时间)，3条数据如下。其中sample_id为CONCAT_WS('_', req_id, utdid, item_id, price, ts, weight)以某一次请求为一个group，计算每个group的auc；以group的均值作为gauc；

aucyuanhttps://zhuanlan.zhihu.com/p/84035782