CTR介绍，数据集往往为表格形式，训练集使用历史的日志数据，然后进行特征归一化、离散化和特征哈希等操作，最终一条训练集为一行多列的二分类任务。
在CTR预估任务中数据集往往为表格形式，训练集使用历史的日志数据，然后进行特征归一化、离散化和特征哈希等操作，最终一条训练集为一行多列的二分类任务。在CTR训练过程损失函数可以使用交叉熵：CTR模型的发展可以分为特征工程和模型两个部分，在早期CTR模型主要依赖人工特征工程，然后随着深度学习的发展逐步依赖复杂的网络模型设计。LR在早期逻辑回归LR是最基础的CTR模型，模型简单且训练速度很快，m为特征
·
在CTR预估任务中数据集往往为表格形式，训练集使用历史的日志数据，然后进行特征归一化、离散化和特征哈希等操作，最终一条训练集为一行多列的二分类任务。
在CTR训练过程损失函数可以使用交叉熵：
CTR模型的发展可以分为特征工程和模型两个部分，在早期CTR模型主要依赖人工特征工程，然后随着深度学习的发展逐步依赖复杂的网络模型设计。
LR
在早期逻辑回归LR是最基础的CTR模型，模型简单且训练速度很快，m为特征个数。
FM
Factorization machine (FM)给每个特征分配个隐含的向量，可以自动的完成特征交叉：
其中特征i与特征j的相关性通过
来完成自动学习。
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献8条内容
所有评论(0)