逻辑回归可以很好的解决上述问题。逻辑回归即一个线性模型再套一个Sigmoid层经过训练每一个因子前的权重代表这个因子对因变量的重要程度而且最后的因变量还在0-1之间。逻辑回归的好处很多。计算复杂度小可解释性强区别于协同过滤与矩阵分解其不仅覆盖用户与商品的交互特征还可以囊括用户、商品的属性特征正是因为LR的这些优点使得其在GPU尚未流行的年代即2012年之前称霸了推荐算法领域。重写一下上面这段话

逻辑回归是一种线性模型，通过加入Sigmoid层，可以解决推荐系统中的问题。训练后，每个因子前的权重表示该因子对因变量的重要程度，而且因变量的值始终在0-1之间。逻辑回归具有计算复杂度小、可解释性强、能够覆盖多种特征等优点，因此在推荐系统领域受到广泛应用。特别是在GPU尚未流行的年代，即2012年之前，逻辑回归称霸了推荐算法领域。