背景

​ 参与训练数据的分布为$L(x)$，而基于数据train出的model，记作$\vec{L(x)}$，基于此，在train data上进行计算预估值与实际目标的差的期望$E(\vec{L(x)}-L(x))$，这即为bais。

​ 简单的说，bais也就是经验风险误差，衡量的是model在train data上的预估与真实情况的偏差。一般来说，bais小，那么对train data拟合的越好。

##广告ctr预估背景

ctr（click through rate),即点击率，是在线广告，特别是效果广告关注的一个重要指标。高点击率对于广告主以及广告平台本身都是乐意看到的：对于广告主而言，意味着可能会有进一步的转化（受众点击了广告，注意力转移到广告的landing page，可能会购买广告主的商品等）；对于广告平台来说，一次有效的click也意味流量得到了变现。

然而，广告的点击率一直是比较低，对于传统的效果广告而言，不可见曝光的ctr大概在1/1000左右，对于可见曝光的广告，其点击率则是在1/100左右，可见多数的曝光是没有click发生的。因此，投放一个可能会被高概率点击的广告是非常重要的，一方面有效利用了本次曝光，同时一方面也实现了流量变现。

因此，

对即将展现的广告完成准确的点击率预估显得尤为重要。