• c∼(0,1]$c\sim (0,1]$： 負樣本取樣比例。如果正負樣本都取樣，取樣比分別為c1,c2$c_1,c_2$, 則 c=c2/c1$c=c_2/c_1$
• p′$p^{\prime }$：使用有采樣的樣本預估的ctr
• p$p$：修正ctr（理論真實值）

特性

• 推導方法， 可用 p=n+n++n−,p′=n+n++cn−$p=\frac{n_{+}}{n_{+}+n_{-}},p^{\prime }=\frac{n_{+}}{n_{+}+c{n}_{-}}$ 得到
• 對於 logistic regression，p′=11+exp(−wx)=σ(wx)$p^{\prime }=\frac{1}{1+exp(-wx)}=\sigma (wx)$，可直接在此函式中修正：
  p=σ(wx+lnc)$$p=\sigma (wx+\ln c)$$
• 通常情況 p′$p^{\prime }$ 值較小，在
  p′→0$p^{\prime }\to 0$ 時有 dpdp′=c$\frac{dp}{d{p}^{\prime }}=c$，此時可近似： p=cp′$p=c{p}^{\prime }$
• 相反 p′$p^{\prime }$ 接近於 1 時，有近似：p=p′/c$p=p^{\prime }/c$
• 函式曲線：