摘要：
最近在做CTR，刚好Google在KDD发了一篇文章，讲了他们的一些尝试，总结一下：先是一些公式的符号说明：一、优化算法CTR中经常用Logistic regression进行训练，一个常用的Loss Function为Online gradient descent(OGD)是一个常用的优化方法，但是在加上L1正则化后，这种方法不能产生有效的稀疏模型。相比之下 Regularized Dual Averaging (RDA)拥有更好的稀疏性，但是精度不如OGD好。FTRL-Proximal 方法可以同时得到稀疏性与精确性，不同于OGD的迭代步骤：其中$\eta_t$是一个非增的学习率FTRL- 阅读全文
