随着互联网技术的快速发展和大数据时代的到来,互联网+营销模式越来越受互联网公司的青睐,计算广告以一种全新的广告形式应运而生。而广告点击率是计算广告领域中最为核心也是被研究最为广泛的技术,因此,有效快速的利用大规模历史广告日志进行广告点击率预测是一项非常重要且极具意义的课题。逻辑斯蒂回归模型在广告点击率预测中有着广泛的运用。但是传统逻辑斯蒂回归模型在处理大规模复杂数据集时,会出现准确率不高、时效性不强等弊端。首先根据数据集的特点,对广告点击日志进行分析并对数据集做了些预处理的工作。在此基础上,根据广告属性、用户属性、点击属性提取了六种不同类型的特征。之后,使用逻辑斯蒂回归模型、朴素贝叶斯模型、支持向量回归模型对广告点击率进行预测,对这三种模型进行比较研究,并探讨词向量特征和高影响力特征对模型的改进。通过实验结果表明,词向量特征和高影响力特征对预测结果有较高提升。最后根据逻辑回归模型的中数据的稀疏性、数据的规模大和训练速度慢等特点,在模型中引入混合正则化项来防止训练过拟合,并使用在线最优化SGD和FTRL算法对模型进行求解以提高训练效率。最后用AUC和log-loss对实验结果进行分析。通过实验结果表明,改进优化的逻辑回归模型的准确率更高、时效性更好。