在 Facebook 里，每次你刷新页面，它都要在几百万条广告中，挑出几条“你最可能点击的” 那么它该如何判断才能最大化提升你对平台的用户价值呢？当然是让你多点广告，它就需要判断如何让你感兴趣的广告加载给你。
换句话说，它要做的事情就是：
预测你点广告的概率（Click Through Rate，CTR）。
比如：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
Facebook 的工程师发现，一个模型不够聪明。
于是他们把两个模型结合在一起，让它既能“像人一样找规律”，又能“像计算器一样精准算概率”。
这就是著名的混合模型（Hybrid Model）：
🌳 决策树（Decision Tree） + ⚖️ 逻辑回归（Logistic Regression）
决策树简单来讲就是可以像人类直觉一样找规律，它会自动学出一些“经验法则”，比如：
女性 + 晚上使用手机 → 更容易点美妆广告
男性 + 游戏设备 → 更容易点手游广告
就像在总结生活规律。
逻辑回归：像计算器一样给规律打分，决策树判断之后，它会给这些规律打权重分，比如：
女性：+0.3
晚上使用手机：+0.2
美妆广告：+0.1
最后一算，系统输出一个概率：
小李点这条广告的可能性是 0.21（21%）。
比如：
你昨天晚上看的是健身视频，今天下午突然关注了育儿话题；
系统就立刻“明白”你可能是新手妈妈；
广告就开始从“蛋白粉”切换成“婴儿奶粉”。
这背后的技术叫做 Online Learning（在线学习）。
附文档链接：
https://scontent-sin6-2.xx.fbcdn.net/v/t39.8562-6/240842589_204052295113548_74168590424110542_n.pdf?_nc_cat=109&ccb=1-7&_nc_sid=e280be&_nc_ohc=MGIi0roU36QQ7kNvwE7rHLR&_nc_oc=AdnqkllwG1P3lE3olyPEIu3xBZHifWzDZ4BUayfFELIf0j2U9EInpnwc807ikykXmd0&_nc_zt=14&_nc_ht=scontent-sin6-2.xx&_nc_gid=kh5M4xSyBjsy-PYjHyO4kQ&oh=00_AffOTb2pq34vP7jMiOyn7r59sl6K8dJgHV6x5-t2kg8Gtw&oe=68E9858A