第 26 题：延迟反馈（Delayed Feedback）建模，ES-DFM 与基于重要性采样的方法对比？
题目
延迟反馈(Delayed Feedback)建模，ES-DFM与基于重要性采样的方法对比？
完整讲解
一、问题
点击后转化可能几天后才发生；训练时只用「当前已观测」的标签，会把「未到转化窗口的点击」当负样本，造成假负（FN），CVR 被低估。
二、ES-DFM（Elapsed Time Sampling - Delayed Feedback Model）
- 思想：把「点击到当前经过的时间」作为特征，显式建模转化发生的延迟分布；假设转化服从某分布（如指数），用已转化样本估计该分布，再对「未到窗口的点击」做等待概率的加权或采样。
- 做法：引入「是否已过转化窗口」「elapsed time」等，用两阶段或联合模型：先估「会转化吗」，再估「若会、延迟多长」；训练时对未到窗口的样本按「预期会转化」的概率加权或作为软标签。
- 特点：利用延迟分布、可处理变长窗口；需要延迟分布假设与设计。
三、重要性采样（Importance Sampling）
- 思想：把「未到窗口的点击」视为部分观测；用重要性权重修正梯度或损失，使无偏估计「全量延迟后的真实 CVR」。
- 做法：对未到窗口的负样本赋权 $1/p(\mathrm{observed})$ 或基于延迟模型的权重，使期望梯度等于「若等够久再标」的梯度；需估计观测概率（如依时间衰减）。
- 特点：无偏（在正确权重下）；对权重估计敏感，方差可能大。
四、对比
- ES-DFM：显式延迟模型，可解释、可做等待概率；实现与假设稍复杂。
- 重要性采样：无偏、形式通用；权重估计与方差需处理。实践中可结合：用 ES-DFM 类模型估延迟与等待概率，再用于重要性权重或样本加权。
面试要点
- 延迟反馈：转化晚到导致假负，需显式建模延迟或用权重修正。
- ES-DFM：elapsed time + 延迟分布，估计等待概率、软标签/加权。
- 重要性采样：未到窗口样本加权使梯度无偏；可结合延迟模型估权重。
记忆要点
- 问题：未到窗口的点击被当负样本 → 假负。
- ES-DFM：延迟分布 + 等待概率。重要性采样：权重修正、无偏。可结合使用。