业务问题
搜索广告Query：和广告的匹配程度很关键
展示广告：广告本身的历史表现，往往是最重要的Feature
评估指标AUC/P-R曲线
用Precision和Recall可以评估点击率算法的好坏，但这种方法对于测试样本的依赖性非常大，稍微不同的测试数据集合，结果差异非常大。那么，既然无法使用简单的单点Precision/Recall来描述，我们可以考虑使用一系列的点来描述准确性。当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。在实际的数据集中经常会出现类不平衡（class imbalance）现象，即负样本比正样本多很多（或者相反），而且测试数据中的正负样本的分布也可能随着时间变化。AUC对样本的比例变化有一定的容忍性。AUC的值通常在0.6-0.85之间。
