<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>FTRL on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/FTRL/</link>
    <description>Recent content in FTRL on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 08:54:03 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/FTRL/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>算法原理以及工程化实现</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E4%BB%A5%E5%8F%8A%E5%B7%A5%E7%A8%8B%E5%8C%96%E5%AE%9E%E7%8E%B0/</link>
      <pubDate>Tue, 15 Mar 2022 08:54:03 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E4%BB%A5%E5%8F%8A%E5%B7%A5%E7%A8%8B%E5%8C%96%E5%AE%9E%E7%8E%B0/</guid>
      <description>原文： https://zhuanlan.zhihu.com/p/58508137 作者： 青烟雨后 前言 在实际项目或者刷竞赛的时候，经常会遇到训练数据非常大导致一些算法实际上不能操作的问题。比如在广告行业中，因为DSP的请求数据量特别大，一个星期的数据往往有上百G，这种级别的数据在训练的时候，直接套用一些算法框架是没办法训练的，基本上在特征工程的阶段就一筹</description>
    </item>
    <item>
      <title>公式推导</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%85%AC%E5%BC%8F%E6%8E%A8%E5%AF%BC/</link>
      <pubDate>Mon, 14 Mar 2022 17:50:34 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%85%AC%E5%BC%8F%E6%8E%A8%E5%AF%BC/</guid>
      <description>作者： 苏克1900 写在前面： 本文主要参考 Online Learning算法理论与实践，但该文和网上找到的资料都没有很好的给出关于模型参数w的解析解的推导过程，甚至原论文 http://www.eecs.tufts.edu/~dsculley/papers/ad-click-prediction.pdf 还有一些符号错误。所以特此写个博文记录一下自己的推导过程。 一. 什么是FTRL 首先介绍一下FTL，FTL的思想是每次找到让之</description>
    </item>
  </channel>
</rss>
