在推荐排序的双目标场景中，需要同时预测点击率(CTR)与转化率(CVR)。用一个共享的线性权重向量 w 提取通用特征，同时为两个任务各配置一个偏置 b_ctr、b_cvr。给定特征矩阵 X 与标签矩阵 Y（每行形如[ctr, cvr]），从全零参数出发，按批量梯度下降迭代 N 次，学习率为 lr。训练完成后，用最终参数重新计算一次联合损失： 预测：y_hat_ctr = X·w + b_ctr，y_hat_cvr = X·w + b_cvr MSE_ctr 与 MSE_cvr 为对应任务的均方误差 联合损失：Loss = MSE_ctr + alpha × MSE_cvr 输出：将 Loss×10^10 按“四舍五入（Half Up）”取整为整数
输入描述:
输入格式第1行：特征矩阵，形如“a,b;c,d;...”表示按行给出第2行：标签矩阵，每行两个数“ctr,cvr”，整体同样用分号分行第3行：迭代次数 N（可为 0）第4行：学习率 lr（浮点数）第5行：权重系数 alpha（浮点数）
输出描述:
一行，打印整数 round_half_up(Loss×10^10)
示例1
输入
1,2;3,4
0.1,0.2;0.3,0.4
0
0.01
0.5
说明
N=0 时不训练，预测恒为 0
MSE_ctr=((0-0.1)^2+(0-0.3)^2)/2=0.05
MSE_cvr=((0-0.2)^2+(0-0.4)^2)/2=0.10
Loss=0.05+0.5×0.10=0.10，Loss×1e10=1,000,000,000，四舍五入为 1000000000
备注:
本题由牛友@Charles 整理上传
加载中...