計算傾向得分

定義「傾向評分」的統計計算。

從概念上講,為每個訪客計算的分數是指定事件(由目標篩選器定義)可能發生的估計概率,導致分數值範圍從0到100%。 該評分過程利用現有樣本作為訓練資料,尋找事件概率與所選獨立興趣變數之間的關係。

在數學上,這些關係反映在每個獨立變數的關聯的每個量化值中。 這些值稱為模型系數。 ScoreDim目前使用迭代重加權最小二乘(IRLS)算法來估計模型系數。 IRLS多次通過樣本,直到電流通過和前一次通過的系數差小於1.0e-6,此時稱為收斂 。 但是,IRLS可能無法達到收斂的目的。

在這種情況下,模型訓練迭代將在

  • 系數差變大,
  • 已達1,000次,或
  • 數學錯誤會阻止繼續迭代。

如果IRLS不收斂,則使用一種稱為隨機梯度下降(SGD)的備份算法。 新加坡元也將多次檢閱訓練樣本。 但與IRLS不同,SGD模型系數受到控制,使得迭代間的差值總是以指數形式減小。 同樣地,當系數差小於1.0e-6或100,000道次時,SGD將終止。 IRLS故障和SGD接合將記錄在跟蹤日誌中。

對於這兩種算法,並非所有樣本都會進入模型訓練。 目前80%用於培訓模型。 在模型訓練後,剩餘的20%樣本將用於根據混淆矩陣計算的準確性、召回率和精確度來評估模型強度。 接近100%時,得分模型越好。

本頁內容

Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now
Adobe Maker Awards Banner

Time to shine!

Apply now for the 2021 Adobe Experience Maker Awards.

Apply now