【推荐】LibRec 每周算法：FTRL原理与工程实践 (by Google)

文章预览

点击上方 “机器学习研究会” 可以订阅哦 摘要   转自：LibRec智能推荐 1. 前言 由于传统的离线批量（batch）算法无法有效地处理超大规模的数据集和在线数据流，Online learning应运而生。因其不需要cache所有数据，可以以流式的方式处理任意数量的样本，使其成为工业界做在线CTR预估时的常用算法。 Online learning的实现方式大致可分为两种：在线凸优化（Online learning convex optimization）和在线贝叶斯（Online learning Bayesian）。本文介绍的FTRL（Follow The Regularized Leader）算法就是Online learning凸优化的一种，由Google于2013年提出并发表[1]。该算法在业界引起了巨大的反响，据说国内外各大互联网公司都第一时间应用到了实际产品中，并取得了不错的业务效果。 在 ………………………………