互联网逐渐成为人们获取信息和娱乐的主要途径,在互联网行业中,互联网广告成为了最主要的盈利模式,流量变现已成为互联网产品中非常重要的评价标准。为了衡量互联网广告效果,引入广告点击率作为重要指标,广告点击率高说明所投放的互联网广告的效果好。因此,广告点击率预估成为一项重要的工作,准确的预估可以提升广告的投放效果,从而帮助广告主在正确的媒体,找到正确的受众,投放正确的广告。逻辑回归模型为最简单的且工业界应用最广的模型,它使用了Logit变换将函数值映射到0~1区间,映射后的函数值即为广告点击率的预估值。XGBoost模型的全称为极端梯度提升树,XGBoost模型为梯度提升决策树算法的扩展,梯度提升算法以上一步生成的所有树为基础,向着最小化给定目标函数的方向前进。XGBoost模型是用于处理稀疏数据的一种新颖的树学习算法,此外理论上合理的分布式加权直方图算法使得能够在近似树学习中处理实例权重。本文主要使用XGBoost模型训练数据,找出特征组合方式,之后使用逻辑回归模型进行预测。本文首先介绍了广告点击率预测过程的相关定义,并给出了搜索广告和展示广告的主要区别。其次介绍了广告点击率预测模型,其中有逻辑回归模型,XGBoost模型以及XGBoost与LR结合模型的方式和算法。之后为验证LR和XGBoost结合模型的有效性进行实验,实验主要包括对数据进行预处理、对数据集中的变量进行分析、对不平衡样本进行处理、训练模型并确定模型参数的最优解。最后使用不同模型对点击率进行预测,并对其进行比较。