← 返回卡片

原书出处

深度学习推荐系统

02 第2章 前深度学习时代——推荐系统的进化之路

核验版本的摘录快照 · 导入于 2026-11-19T07:39:55.619Z

况,将不再一一推导模型的参数更新公式。有兴趣的读者可以尝试推导或者阅读模型相关的论文。 2.4.4 逻辑回归模型的优势

在深度学习模型流行之前,逻辑回归模型曾在相当长的一段时间里是推荐系统、计算广告业界的主要选择之一。除了在形式上适于融合不同特征,形成较“全面”的推荐结果,其流行还有三方面的原因:一是数学含义上的支撑;二是可解释性强;三是工程化的需要

。 1.数字含义上的支撑 逻辑回归作为广义线性模型的一种,它的假设是因变量y服从伯努利分布。那么在 CTR预估这个问题上

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习推荐系统/_epub-src/text/part0006_split_004.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382