精度和范围 accuracy-and-reach

描述算法特征中精度和范围之间的关系。

精度与范围：关于

在使用算法特征时，了解精度和范围之间的关系很重要。 准确性由评分值表示，该评分值反映用户与基线的相似程度。 精度刻度的范围从0（最不准确）到1（最准确）。 范围只是一个值，它表示要包含在某个特征中的独特用户数。 覆盖度和精度成反比。 精确的特征可访问的用户数量更少，而访问范围更大的特征则不那么准确。 下图说明了此概念。

精度和范围会影响受众规模

您的业务目标应有助于您在使用算法特征时，针对准确性和影响范围做出正确的决策。 如果精度是您的目标，请注意，特征填充可能会随着模型运行而增加或减少。 群体变化是算法在每个评估期做出决策的结果。 有时，算法在一个处理周期中查找更多符合条件的用户，而在其他周期中查找的符合条件的用户可能较少。 结果由用于创建模型的基线数据以及自上次模型运行以来出现的新访客和特征资格决定。 相反，在使用覆盖范围时，用户数量保持不变。 例如，如果您希望达到10,000个用户，算法将确保它在每次模型运行时始终点击该数字。

精度和范围的一般用例

对准确性或覆盖范围的关注取决于您希望通过特定区段实现什么。 在创建特征时，下表可能会帮助您评估精度和范围。