Facebook: дерева бустингу перед логістичною регресією
24 серпня 2014 року одинадцять інженерів Facebook, серед них Хоакін Кіньйонеро Кандела, описали на воркшопі ADKDD модель прогнозу кліків на рекламу: дерева градієнтного бустингу перетворюють ознаки, а логістична регресія, яку оновлюють онлайн, дає ймовірність кліку. Поєднання перевершило кожен із двох методів окремо більш ніж на 3 % за нормалізованою ентропією.
Чому це важливо
Робота показала на рекламі з понад 750 мільйонами щоденних користувачів, що вирішують правильні ознаки й свіжість даних, а вибір моделі та інші параметри важать менше. Разом зі статтею Microsoft 2007 року вона фіксує, як прогноз кліку став центральною задачею машинного навчання в рекламі, на якій стоїть дохід платформи.
Стаття: «over 750 million daily active users and over 1 million active advertisers»; у Facebook оголошення не прив'язані до запиту, тож кандидатів на показ більше, ніж у пошуку, і їх відсіює каскад класифікаторів, а стаття описує його останній етап. Навчальні дані в реальному часі дає система, названа online joiner. Річний звіт Facebook за 2013 рік (10-K, 31 січня 2014) дає 757 мільйонів щоденних активних користувачів у грудні 2013 року і 6 986 мільйонів доларів рекламного доходу за 2013 рік із 7 872 загального; це звітність під відповідальністю перед регулятором, хоч і від тієї самої компанії. Запис не стверджує, скільки доходу дала сама модель: стаття цього не міряє.