前深度学习时代CTR预估模型的演进历程（王喆观点）

清华大学计算机系毕业的王喆学长系统梳理了从传统机器学习阶段到深度学习阶段，所有经典CTR（click through rate）模型的发展脉络与特性。内容来源：https://zhuanlan.zhihu.com/p/61154299。

在互联网持续扩张的需求推动下，CTR预估模型（以下简称CTR模型）的发展也呈现出迅猛态势。2010年之前，模型几乎都采用统一的逻辑回归（Logistic Regression，LR）。随后逐步演进至因子分解机（Factorization Machine，FM）、梯度提升树（Gradient Boosting Decision Tree，GBDT）等结构。到了2015年后，随着深度学习技术的广泛应用，各种深度学习架构不断涌现。尽管深度学习在这一领域引发了广泛关注和热情，但回顾深度学习出现之前的CTR模型仍然具有重要意义。其原因主要有以下两点：

• 尽管当前深度学习技术已广泛普及，但LR、FM等传统CTR模型仍因其较强的可解释性、较低的训练与部署资源需求以及适合在线学习等独特优势，在诸多应用场景中占据重要地位。算法工程师需全面掌握各类模型的优劣，并能根据实际情况灵活运用及优化不同算法。
• 传统CTR模型构成了深度学习CTR模型的重要基础。深度神经网络（Deep Neural Network，DNN）起源于单个神经元结构，而LR正是该结