1.一种互联网广告投放方法，其特征在于，包括：
服务端将获取到的用户特征和目标广告特征输入训练好的转化率预估模型，得到目标广告的预估转化率；
所述服务端基于所述预估转化率和投放目标参数对所述目标广告进行智能投放。
2.根据权利要求1所述的方法，其特征在于，所述投放目标参数包括目标转化成本或测试转化成本，所述服务端基于所述预估转化率和投放目标参数对所述目标广告进行智能投放，包括：
所述服务端计算所述智能投放的实时转化成本；
所述服务端根据所述目标转化成本和所述实时转化成本确定是否优化当前投放策略，或者根据所述测试转化成本和所述实时转化成本确定是否优化当前投放策略；所述目标转化成本基于所述预估转化率确定，所述测试转化成本基于用于测试的目标广告的投放花费和所述用户行为样本数据中的转化样本数量确定，所述当前投放策略基于所述用户行为样本数据确定。
3.根据权利要求2所述的方法，其特征在于，所述服务端优化当前投放策略，包括：
所述服务端根据所述智能投放的各个流量媒体的转化成本和所述目标转化成本选取目标流量媒体进行投放。
4.根据权利要求2所述的方法，其特征在于，所述服务端优化当前投放策略，包括：
所述服务端根据所述智能投放的各个用户标签的转化成本和所述目标转化成本选择目标用户标签进行投放。
5.根据权利要求2所述的方法，其特征在于，所述服务端优化当前投放策略，包括：
所述服务端根据所述智能投放的各个流量媒体的转化成本和所述目标转化成本优化各个流量媒体的流量出价。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述服务端将获取到的用户特征和目标广告特征输入训练好的转化率预估模型之前，所述方法还包括：
所述服务端向多个客户端投放用于测试的目标广告，搜集由所述多个客户端发送的基于所述目标广告的用户行为样本数据，基于所述用户行为样本数据对转化率预估模型进行训练，得到训练好的转化率预估模型。
7.根据权利要求6所述的方法，其特征在于，所述服务端搜集由所述多个客户端发送的基于所述目标广告的用户行为样本数据之后，以及所述服务端基于所述用户行为样本数据对转化率预估模型进行训练之前，所述方法还包括：
所述服务端统计搜集到的由所述多个客户端发送的用户行为样本数据的量级是否达到训练需要的数据量级，所述用户行为样本数据为所述客户端在目标广告展示页面采集得到的，所述目标广告展示页面用于展示所述用于测试的目标广告；
若达到，所述服务端执行所述基于所述用户行为样本数据对转化率预估模型进行训练的步骤。
8.根据权利要求7所述的方法，其特征在于，所述服务端基于所述用户行为样本数据对转化率预估模型进行训练，得到训练好的转化率预估模型，包括：
所述服务端根据量级与学习模型的对应关系确定与所述用户行为样本数据的量级对应的目标学习模型；
所述服务端基于所述目标学习模型和所述用户行为样本数据训练所述转化率预估模型，得到训练好的转化率预估模型。
9.根据权利要求8所述的方法，其特征在于，所述服务端基于所述目标学习模型和所述用户行为样本数据训练所述转化率预估模型，得到训练好的转化率预估模型，包括：
所述服务端基于所述目标学习模型和所述用户行为样本数据训练所述转化率预估模型，评估所述转化率预估模型的模型指标是否符合预期要求；
若符合，所述服务端确定得到训练好的转化率预估模型。
10.根据权利要求9所述的方法，其特征在于，所述服务端评估所述转化率预估模型的模型指标是否符合预期要求，包括：
若所述转化率预估模型的接受者操作特性曲线下的面积大于第一预设阈值，并且所述转化率预估模型的逻辑斯蒂损失小于第二预设阈值，所述服务端确定所述转化率预估模型的模型指标符合预期要求；
若所述转化率预估模型的接受者操作特性曲线下的面积小于或等于所述第一预设阈值，或者所述转化率预估模型的逻辑斯蒂损失大于或等于所述第二预设阈值，所述服务端确定所述转化率预估模型的模型指标不符合预期要求。
11.一种互联网广告投放装置，其特征在于，包括：
估计单元，用于将获取到的用户特征和目标广告特征输入训练好的转化率预估模型，得到目标广告的预估转化率；
投放单元，还用于基于所述预估转化率和投放目标参数对所述目标广告进行智能投放。
12.一种服务器，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1～10任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～10任一项所述的方法。