作者:tongzhou
导语
笔者对各大厂商CTR预估模型的优缺点进行对比,并结合自身的使用和理解,梳理出一条CTR预估模型的发展脉络,希望帮助到有需要的同学。
0. 提纲
1. 背景
2. LR 海量高纬离散特征 (广点通精排)
3. GBDT 少量低纬连续特征 (Yahoo & Bing)
4. GBDT+LR (FaceBook)
5. FM+DNN (百度凤巢)
6. MLR (阿里妈妈)
7. FTRL_Proximal (Google)
1. 背景
众所周知,广告平台的最终目标是追求收益最大化,以 CPC 广告为例,平台收益既与 CPC 单价有关,又与预测 CTR 有关。在排序的时候,CPC 可以认为是一个确定的值,所以这里的关键是预测用户的点击率 pCTR。
( 指数项 w 是一个调节因子,用于平衡用户体验和收入。扶持力度用于调节各个广告渠道 )
互联网公司根据各自业务的特点,研发出了各种各样的 CTR 预估模型及其变种,本文尝试在众多流派和分支中梳理出一条 CTR 预估模型的发展脉络。
2. LR 海量高纬离散特征 (广点通精排)
LR(逻辑回归)[1]可以称之上是 CTR 预估模型的开山鼻祖,也是工业界使用最为广泛的 CTR 预估模型。LR 是广义线性模型,与传统线性模型相比,LR 使用了 Logit 变换将函数值映射到 0~1 区间,映射后的函数值就是 CTR 的预估值。
LR 利用了 Logistic 函数,函数形式为:
对于线性边界,边界形式如下:
Logistic 函数在有个很漂亮的"S"形,如下图所示:
构造 log 损失函数,用梯度下降法求最小值,得到参数向量θ:
2.1 正则化
为了防止过拟合,通常会在损失函数后面增加惩罚项 L1 正则或者 L2 正则:
- L1 正则化是指权值向量 w 中各个元素的绝对值之和,通常表示为||w||1;
- L2 正则化是指权值向量 w 中各个元素的平方和然后再求平方根,通常表示为||w||2。