文章/答案/技术大牛

发布

社区首页 >问答首页 >平滑比例:海量用户数据库

问平滑比例:海量用户数据库
EN

Data Science用户

提问于 2014-11-28 03:02:44

回答 1查看 66关注 0票数 3

为了考虑样本的大小，有哪些可能的技术来平滑非常大的类别的比例？这里应用的兴趣是将比例作为预测模型的输入，但我对在证据很少且不想过度匹配的情况下使用原始比例很谨慎。

下面是一个例子，其中ID表示一个客户，印象和点击是分别显示和点击客户的广告数量。

回答已采纳

发布于 2015-01-17 05:20:32

一个简单的方法是考虑拉普拉斯平滑(http://en.wikipedia.org/wiki/Additive_光顺 )或类似的东西。

基本上，不计算你的响应率为(点击)/(印象)，你计算(点击+X)/(印象+ Y)，例如选择X和Y，这样X/Y是点击/印象的全球平均值。

当点击量和感光度都很高时，这种平滑的响应率基本上等于真实的响应率(信号占优势)。当点击和印象都很低时，这个平滑的响应率将接近全球平均响应率--当你有很少的数据并且不想给它太多的权重时，这是一个很好的猜测！

X和Y的绝对标度将决定你认为“足够的数据”有多少个数据点。有人认为，正确的做法是将X设为1，而Y则适当地考虑了这一点。

票数 1

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/2558

复制

相似问题

问平滑比例:海量用户数据库EN