2.4.1　logistic回归模型

logistic回归是比较简单的线性模型，通过学习用户点击行为来构建CTR预估。利用logistic回归构建的推荐算法模型具体如下面的公式所示。

其中p是用户喜欢某个标的物的概率，w_i是权重，是需要学习的模型参数，F_i是特征i的值，特征如上面所述，有5大类可用特征。我们可以通过上述公式计算待推荐标的物的p值。最终我们可以按照p值的大小降序排列来对召回的标的物列表做排序。

在工业界，为了更好地将该模型应用到真实业务场景中，很多公司对logistic回归模型做了推广。比如在线实时推荐场景的排序，有Google在2013年推广的FTRL（见本章参考文献[14]），以及阿里推广的分片线性模型（见本章参考文献[13]）。