项目：广告点击率评估

背景：一方面，拥有流量资源的企业期望尽可能提升广告收益；另一方面，需要获取流量的个体则希望在降低广告投放成本的同时实现最佳效果，这种关系本质上构成了一种博弈。

当前市场中广泛应用的百度信息流以及微信朋友圈广告投放机制，正是基于上述博弈逻辑展开的。设想这样一个场景：假设有若干家企业希望在百度平台投放广告，但广告展示位置数量有限，此时应优先选择哪家企业的广告进行展示？这一问题涉及一个核心概念——竞价机制！

简单来说，出价较高的企业将获得优先展示机会。然而，这一机制存在一个关键前提：用户是否会对广告产生点击行为！如果用户并未点击广告，则即便出价再高也无法带来实际收益。因此，这引申出一个极为关键的问题：如何有效提升用户的点击概率？

因此，在决定是否向用户展示某条广告时，AI算法不仅需要考虑价格因素，还需通过评估该用户点击某条广告的可能性来进行判断。这正是所谓的广告点击率预测问题。

当用户的特征与广告内容之间存在高度匹配性时，其点击率自然会相应提高。那么具体而言，这种匹配的概率该如何进行量化计算？这正是本项目所要解决的核心问题。

该项目来源于Kaggle平台上的Avazu数据集

https://www.kaggle.com/c/avazu-ctr-prediction

在本项目中，也将应用到特征筛选、参数调优以及F1评分作为评估指标等方法。

**准确率（Accuracy）