基于改进优化逻辑回归模型的广告点击率预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 基础理论和相关技术 | 第15-23页 |
| 2.1 广告计费和投放方式 | 第15-17页 |
| 2.2 广告点击率预测技术 | 第17-19页 |
| 2.3 数据集预处理 | 第19-21页 |
| 2.4 AUC评价指标 | 第21-22页 |
| 2.5 小结 | 第22-23页 |
| 3 基于机器学习模型的广告点击率预测 | 第23-37页 |
| 3.1 特征设计 | 第23-28页 |
| 3.2 基于逻辑斯蒂回归模型的广告点击率预测 | 第28-30页 |
| 3.3 基于朴素贝叶斯模型的点击率预测 | 第30-33页 |
| 3.4 基于支持向量回归模型的点击率预测 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 4 基于逻辑斯蒂回归改进优化模型的广告点击率预测 | 第37-46页 |
| 4.1 基于SGD对传统逻辑回归的改进优化 | 第37-38页 |
| 4.2 基于FTRL对传统逻辑回归的改进优化 | 第38-45页 |
| 4.3 小结 | 第45-46页 |
| 5 实验及分析 | 第46-54页 |
| 5.1 实验环境 | 第46页 |
| 5.2 机器学习模型的实验结果与分析 | 第46-48页 |
| 5.3 逻辑回归模型改进优化的实验结果分析 | 第48-53页 |
| 5.4 小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 全文总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
