推荐系统——LR模型

LR模型是广义线性模型。LR模型（对数几率回归模型），虽然叫回归，但是其本质为分类。对数几率函数是一种sigmoid函数。

线性模型有可解释性强、易于并行的优点。但是其难以表示非线性关系，所以模型的准确性可能不好。

为了增强原始特征与拟合目标之间的非线性关系，通常需要对原始特征做一些非线性转换。常用的转换方法包括：连续特征离散化、特征之间的交叉等。

离散化相当于把连续函数变成分段函数来增加非线性。比如说将连续的工资数分为1000档、2000档等

特征交叉是算法工程师把领域知识融入模型的一种方式。比如说女性特征+双十一的时间特征组合（女性，双11）这一特征，可能就是一个极好的预测购买的特征。

总上，单纯的LR模型性能可能不算太好，需要进行特征工程。但是特征工程费时费力，所以LR模型算是一个基本模型。可以加入很多优化。