← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 7259.e · 生成模型:WorkBuddy (Claude)

精排损失函数与混淆矩阵

理解等级:中级

精排层线下第一指标是损失函数:分类用 logloss(降低则对应线上 CTR/CVR 升高,但到一定程度会收敛),回归用 MSE 或 MAE;只看损失无法全面判断优劣,需其他指标辅助。混淆矩阵把二分类预测与实际两两组合成四格:TN(预测与实际都为 0)、TP(都为 1)、FP(预测 1 实际 0,假阳)、FN(预测 0 实际 1,假阴)。它是多分类评价的基础,能清晰显示模型对各类别学得好坏,从而针对性调整。使用要点:loss 收敛后要看 AUC 等排序指标;混淆矩阵尤其适合样本不均衡时定位”哪类没学好”。相关卡见 [[线上与线下评价指标区别]]、[[准确率精准率召回率与不均衡]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《推荐系统全链路设计:原理解读与业务实践》第4章《为推荐系统选择评价指标》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/42.html;src-025) - 结论依据:原文说明损失函数(logloss/MSE/MAE)是第一选择、收敛后需辅助指标,并定义混淆矩阵四格及用于多分类定位,支撑本卡。 - 原始内容:一般来说,logloss降低,线上的对应优化目标(如CTR或者CVR)就会升高,但是当logloss达到一定程度,将会收敛