置信度感知的多字段模型校准
原文中文,约200字,阅读约需1分钟。发表于: 。我们提出了一种自信度感知的多字段校准方法,根据样本统计得到的自信度水平自适应调整校准强度,并利用多个特征字段进行联合模型校准,以减轻单一字段的数据稀疏效应,从而提升广告表现并降低预测误差。
该研究提出了一种新的置信度校准指标MacroCE和校准方法ConsCal,能更好地捕捉模型预测的信心情况,并提供了更有效的校准方法。
我们提出了一种自信度感知的多字段校准方法,根据样本统计得到的自信度水平自适应调整校准强度,并利用多个特征字段进行联合模型校准,以减轻单一字段的数据稀疏效应,从而提升广告表现并降低预测误差。
该研究提出了一种新的置信度校准指标MacroCE和校准方法ConsCal,能更好地捕捉模型预测的信心情况,并提供了更有效的校准方法。