《表3 混淆矩阵：网络广告点击率预估的特征学习及技术研究进展》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《网络广告点击率预估的特征学习及技术研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注True positive（真正，TP）——将正类预估为正类数；True negative（真负，TN）——将负类预估为负类数；False positive（假正，FP）——将负类预估为正类数→误报（Type I error）；False negative（假负，FN）——将正类预估为负类数→漏报（Type II error）。

文献中使用的评价指标主要有：平均绝对误差MAE（means absolute error）、F-measure、AUC值、Log-loss、PR曲线、ROC曲线、RIG（relative information gain）、准确率和召回率。表2为各指标的使用情况，表3为混淆矩阵表。