运用Logistic回归模型进行广告点击率预测
来源:互联网 发布:cocos2dx程序员工资 编辑:程序博客网 时间:2024/06/10 19:28
小生是一名在校学生,研究方向是IR,平日对ML、DM非常感兴趣,以下内容均是学习总结,才疏学浅,难免有错误之处,希望大家带着“批判”视角来看本文... 如能提出宝贵意见or建议,不胜感激~
正题:
广告点击率估计对广告排序具有较大影响。 点击率估计是指在给定网页和用户的情况下,估计所投放的广告被点击次数占展示总次数的比例。
广告点击率预测在CPC广告排序中是不可缺少的环节,根据一个user或者一个query,算出该将什么样的广告投放给user,以使得supply方利益最大化. 但是不能一味的从supply方的利益考虑,还要充分考虑demand方、user方的利益,为了更好的权衡这三方的关系,所以决定投放给特定user 的广告所用到的特征必须包括这三方的特征,主要特征:
1). Demand方:商品/广告信息,如文字描述、类目、价格、成交量等;卖家信息,信誉度、收藏数据量等(针对电商)
2). User方:历史搜索、点击、购买、收藏记录等
3). 其他信息:季节、节假日等
(注:以上特征来自 一淘广告ML平台 蒋龙老师的ppt)
-----------------------------------------------------------------------------
对于supply方来讲,就是要根据包含以上特征的历史数据,运用最优化方法(如梯度下降、似然估计等)求得参数theta(向量),跟对特定的user或者query,使用Logistic回归模型去算每一个广告的点击率CTR,
然后根据:RankSorce = CTR * BidPrice;对广告进行排序, 选择最大的RankSorce对应的广告,投放给用户。
--------------------------------------------------------------------------------------------------------------------------------------
(以下是实现,由于暂时没有真实数据,只能用别的数据来'模拟'这样一个过程,思路和方法最重要)
小注: 按照点击量计费的广告计价模式是1997年Goto.com率先提出的,基于点击的广告计价有两种模型:统一费率模型和基于拍卖的模型。而上面所述的就是基于拍卖的模型。
- 运用Logistic回归模型进行广告点击率预测
- 广告点击率预测
- 预测广告点击率-FACEBOOK2014
- 分享Spark MLlib训练的广告点击率预测模型
- 计算广告学习笔记 4.6竞价广告系统-点击率预测与逻辑回归
- 广告点击率预测 [离线部分]
- 广告点击率预测 [离线部分]
- 广告点击率预测-项目介绍
- 广告点击率预测 [离线部分]
- 广告点击率预估模型
- 逻辑回归 广告点击率预估
- 机器学习笔记1:基于Logistic回归进行数据预测
- spark mllib实现 广告点击率预测
- Logistic regression回归模型
- logistic 回归模型
- logistic回归模型总结
- Logistic回归模型
- matlab Logistic回归模型
- b179: 空罐 Cans
- 各大操作系统比较
- hibernate学习笔记5---实体类或属性名与数据库关键字冲突、hql命名参数、hql实现通用分页
- ImageView显示图像
- 图像缩放之最近邻插值
- 运用Logistic回归模型进行广告点击率预测
- 在windows上编译jrtplib 3.9.1和jthread 1.3.1
- HDU 2830
- 语法分析——Bison介绍以及Flex、Bison联合编译
- 黑马程序员java学习日记——异常和多线程
- C#网络编程之回调机制实例(5)
- Inside COM读书笔记-----包容和聚合
- 分页 三层
- spring源码学习之路---深入AOP(终)