Logistisk regresjon | Maskinlæring


Vi bruker algoritmer som er basert på logistisk regresjon. Enkelt sagt bruker en LR-algoritme tidligere og nåværende læring for å optimalisere og nå (ytelses)mål. Teknologien er en form for maskinlæring, men i et beskyttet miljø.

< BACK

 
AI-01.png

LOGISTISK REGRESJON

Kunstig intelligens hjelper mobilannonseringskampanjen din

Vi bruker, forbedrer og arbeider med algoritmer som er basert på og bygger på logistiske regresjonsprinsipper. Teknikken er akseptert og anses for å være den mest effektive kodestrukturen for algoritmer for programmatisk displayannonsering. Teknikken regnes som en form for maskinlæring (eller kunstig intelligens). 

 
Logistisk regresjon

Logistisk regresjon

Hvordan fungerer det? 

En algoritme - som arbeider for å forbedre en programmatisk (mobil) reklamekampanje - basert på logistisk regresjon, bruker læring fra tidligere kampanjer for å forbedre effektiviteten. Algoritmen lærer mens kampanjen er live og optimaliserer selv. Lokasjon, enhet, utgiver, tid, operativsystem, demografiske data, annonsestørrelse: Dette er bare noen av variablene som kan optimaliseres autonomt. Det interessante er at det ofte er uventede målrettingskonfigurasjoner som avgjør den faktiske konverteringen. Derav behovet for maskinlæringsalgoritmer/logistisk regresjon. Fordi det er så mange variabler å optimalisere på, er algoritmer basert på logistisk regresjon en nødvendighet for riktig optimalisering.

 
AI-02.png

Spesielt når det gjelder programmatisk mobilannonsering. Vi mener at algoritmer basert på logistisk regresjon er de beste algoritmene som brukes til programmatisk displayannonsering i dag. 

Se en artikkel om logistisk regresjon - av et Targetoo-teammedlem - i The Drum.

Se en grundig beskrivelse av logistisk regresjon.

Last ned vårt nyeste whitepaper om logistisk regresjon.

 

HAR DU ET SPØRSMÅL OM LOGISTISK REGRESJON? BARE SPØR

< BACK

Topp

Informasjonskapsler på dette nettstedet