作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。
1. 点击率预估简介
点击率预估（CTR）最早应用于搜索广告中。时至今日，点击率预估的应用场景不仅仅从最开始的搜索广告扩展到了展示广告，信息流广告等各种各样的广告，而且在推荐系统的应用场景中得到了广泛的应用。
2.应用场景
从用户的点击行为来分析，“点击率预估”在广告或推荐场景中的应用是一致的。广告的“点击率预估”计算的是 用户点击广告的可能性；在推荐系统中，推荐商品也被预测用户的兴趣，如果用户对一个商品感兴趣便会去点击。这也是近些年CTR在推荐系统中被广泛应用的原因。
3.应用算法
目前，在CTR领域应用较多的算法包含：LR、GBDT、XGBoost、FM、FFM、神经网络算法等，这些算法也被应用到推荐系统中。其中，GBDT是一种非线性算法，基于集成学习中的Boosting思想，每次迭代都在减少残差的方向建立一颗决策树，迭代多少次就会生成多少棵决策树。
4.优势
GBDT算法的思想使其具有天然优势：可以发现多种区分性的特征和特征组合；决策树的路径可以直接作为LR输入特征使用；省去了人工寻找特征、特征组合的步骤。
因此，这种通过GBDT算法生成的LR特征的方式（即GBDT+LR）应用非常广泛，且效果不错。
作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。
