排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
由于高维数据的稀疏性,导致高维空间中的数据处理方法与低维空间中存在显著差异,合理的变量选择方法是解决高维数据问题的一个前提.从理论方面探讨Logistic模型中参数的MCP方法的Oracle性质,证明了MCP估计具有良好的理论性质.在搜索引擎广告转化率预测模型中,对比了几种不同变量选择方法的预测效果.结果表明MCP方法在处理高维稀疏数据时,准确率最高.通过方法筛选出若干显著影响广告转化率的特征变量,为广告主制定广告策略提供相应的理论依据. 相似文献
2.
与传统的的媒体营销模式相比,搜索引擎广告因其精准和投入低等特点获得巨大成功。但已有的搜索引擎广告点击率模型不能有效解决数据量大及特征维度高的问题,使预测结果的准确性大打折扣。本文构建了一种基于LASSO变量选择方法的广告点击率预测模型,能有效克服现有广告点击率模型在处理数据高维性和稀疏性方面的不足。利用某公司的竞价数据对模型进行验证,结果表明影响广告点击率的关键因素是广告关键词中的商标信息、地域信息和每点击成本。该研究结果为企业制定搜索引擎广告营销策略提供一定的理论依据。 相似文献
3.
针对扩展审计博弈的不足及策略信息的不确定性,将审计博弃与统计抽样结合起来,研究不确定条件下,扩展审计博弈的扩展成本与利益转移、策略矩阵与审计风险、样本估计与内控评估,以实现审计师在不确定条件下的策略分析与选择.解决了动态博弈、风险计量系统性决策问题,提高了扩展审计博弈的可靠性与适用性.最后,给出了一个实例,用以演示扩展审计博弈过程,以证实该方法的有效性. 相似文献
1