对数几率回归(LR)是机器学习的入门分类器，属于广义线性回归，解决了线性回归不擅长的分类问题，常用于二分类。由于点击率的预估(CTR)模型往往被理解为判别“曝光后被点击”与“曝光后未被点击”的二分类模型，因此早期的CTR模型经常选择LR。由于模型的复杂度低，可以并行加速等特点，LR在今天依旧被作为很多个性化推荐产品最早一版的CTR排序模型。
对数几率回归
2023-01-01
103
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
对数几率回归
目录
相关文章
|
4月前
|
算法
Python
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
52
7
7
|
4月前
|
大数据
|
4月前
|
4月前
|
机器学习/深度学习
资源调度
算法
|
数据可视化
Python
|
10月前
|
10月前
|
机器学习/深度学习
|
机器学习/深度学习
