推荐模型之GBDT-LR

一、概念

        GBDT-LR模型由FaceBook（现在的Meta）团队于2014年在论文《Practial Lessons from Predicting Clicks on Ads at Facebook》中提出，目标是用于预测FaceBook的广告点击量（实际上广告和推荐领域很多算法模型都是共用的）。GBDT-LR模型结合了梯度提升决策树（Gradient Boosting Decision Tree，GBDT）和逻辑回归（Logistic Regression，LR）模型。它利用GBDT的强大特征提取能力和LR的高效分类能力，在推荐系统、点击率预估等领域发挥着重要作用。模型的基本思想是先用GBDT对数据进行特征提取，然后将提取的特征输入到LR模型中进行分类。

二、原理

<