背景
在推荐、广告中可能存在正负比例过于悬殊的情况，为了提高模型效果以及提升模型训练速度，往往会对样本进行采样，用采样后的数据流训练的模型学习的是一个有偏的分布，因此需要进行纠偏
纠偏方法
使用sigmmoid作为分类函数时，进入sigmoid函数前的输入其实就是对数几率：
可以得出：
其中假设了采样不改变特征分布
标签：采样,函数,训练,sigmmoid,模型,纠偏 From： https://www.cnblogs.com/xumaomao/p/17379523.html
在推荐、广告中可能存在正负比例过于悬殊的情况，为了提高模型效果以及提升模型训练速度，往往会对样本进行采样，用采样后的数据流训练的模型学习的是一个有偏的分布，因此需要进行纠偏
使用sigmmoid作为分类函数时，进入sigmoid函数前的输入其实就是对数几率：
可以得出：
其中假设了采样不改变特征分布
标签：采样,函数,训练,sigmmoid,模型,纠偏 From： https://www.cnblogs.com/xumaomao/p/17379523.html