当咱们运用上述的办法对CTR进行纠偏今后，咱们运用什么目标来评估纠偏作用的好坏了？一般咱们运用PCOC和Calibration-N两大目标

们需求根据上述散点图去结构一个校准函数，输入x值今后就可以输出校准后的y值。如果直接拟合一个y = kx + b函数，终究预估的结果不够滑润。现在业界的规范做法都是结构分段校准函数。

如上图所示，咱们将两个桶之间坐标点连接起来，然后去结构一个分段的y = kx + b校准函数，假设Pctr总共分为了100个桶，那么终究就结构100个分段校准函数，这样既确保单调性，又确保滑润地校准。分段的校准函数怎么得出，这儿就是根底的初中数学常识，已知两点坐标计算对应的y = kx + b。

保序回归法的整体思维就是：不改动原有数据的Pctr排序，仅在原有Pctr的排序上进行纠偏。终究纠偏出来的CTR数据分布的单调性不变，AUC目标不变。

自身由于特征挑选和样本采样导致的CTR误差，需求根据先验常识的特征调整和根据负样本采样率的办法来对CTR进行纠偏。如果精排模型输出的Pctr和Actr差异很大，这种是无法依托校准模块来进行纠偏的。

3. 校准评价目标

当咱们运用上述的办法对CTR进行纠偏今后，咱们运用什么目标来评估纠偏作用的好坏了？一般咱们运用PCOC和Calibration-N两大目标。

PCOC（Predict Click Over Click）

PCOC = Pctr / Actr

PCOC目标越接近于1，意味着CTR预估的越精确。PCOC > 1，则代表CTR被高估；PCOC < 1，则代表CTR被轻视。但PCOC目标是计算一切PV的Pctr和Actr作用，这儿面或许会存在一定的计算误差。假设样本里有50%PV的CTR被高估了，50%PV的CTR被轻视了，终究二者汇总在一起时PCOC或许还是趋近于1。

Calibration-N

为了解决上述PCOC目标或许存在的计算误差，咱们运用一个新的目标Cal-N。首先将计算样本分为几个簇，然后依照簇别离去计算PCOC目标，再别离计算各个簇PCOC目标与规范值1之间的误差，最终进行汇总。这种计算方式就可以避免独自的PCOC目标里或许存在的计算误差。

怎么去将样本分簇？其实这儿的分簇办法和Part2.2里边怎么分簇去计算后验CTR的逻辑是一样的，二者保持一致即可。

一起在广告业务中，咱们可以根据广告主已经帮咱们分好的簇进行计算。由于广告业务中，整个广告层级是分为：方案 （Campaign）-单元（Group）-构思（Creative）。广告主一般都是在整个方案或单元维度观察整个作用，所以咱们在进行PCOC目标计算时，就可以将每个投放单元视为一个簇。