基于逻辑回归的在线广告CTR优化和预测

摘要	第3-4页
Abstract	第4页
第1章 引言	第6-10页
1.1 研究背景	第6-7页
1.2 相关内容研究进展	第7-9页
1.2.1 CTR预估的主要模型	第7页
1.2.2 最优化算法	第7-8页
1.2.3 正则化	第8-9页
1.3 研究思路和主要内容	第9-10页
第2章 逻辑回归的求解方法	第10-23页
2.1 逻辑回归作为分类问题的一般表述	第10-11页
2.2 逻辑回归作为二分类问题的依据	第11-13页
2.3 为什么一定是sigmoid函数	第13-14页
2.4 为什么用对数损失函数	第14-15页
2.5 梯度下降法	第15-17页
2.6 拟牛顿法	第17-18页
2.7 带正则项的处理	第18-23页
第3章 基于FTRL算法对传统逻辑回归的优化	第23-37页
3.1 CTR预估的技术和优化算法	第23-24页
3.2 关联特征的引入和求解	第24-27页
3.3 在线最优化算法的比较	第27-30页
3.4 基于FTRL在线算法的求解	第30-33页
3.4.1 算法设计与流程	第30-31页
3.4.2 细节讨论与说明	第31-33页
3.5 相关性质和推导	第33-37页
第4章 实验结果与分析	第37-42页
4.1 实验数据和设计	第37-38页
4.2 广告点击率的评估指标	第38-39页
4.3 广告点击率估计的结果分析	第39-41页
4.4 结论	第41-42页
参考文献	第42-44页
致谢	第44页