FTRL代码实现

FTRL（Follow The Regularized Leader）是一种优化方法，就如同SGD（Stochastic Gradient Descent）一样。这里直接给出用FTRL优化LR（Logistic Regression）的步骤：

其中pt=σ(Xt⋅w)$p_t=\sigma (X_t\cdot w)$是LR的预测函数，求出pt$p_t$的唯一目的是为了求出目标函数（在LR中采用交叉熵损失函数作为目标函数）对参数w$w$的一阶导数g$g$，gi=(pt−yt)xi$g_i=(p_t-y_t)x_i$。上面的步骤同样适用于FTRL优化其他目标函数，唯一的不同就是求次梯度g$g$（次梯度是左导和右导之间的集合，函数可导--左导等于右导时，次梯度就等于一阶梯度）的方法不同。

下面的python代码把FTRL和LR进行了解耦：

按 Ctrl+C 复制代码

按 Ctrl+C 复制代码

输出：

reach max iteration 100000w= [  4.08813934   1.84596245  10.83446088   3.12315268]correct ratio 0.9946

当把参数调为λ1=0,λ2=0,α=0.5,β=1${\lambda }_1=0,{\lambda }_2=0,\alpha =0.5,\beta =1$时，准确率能达到0.9976。

train.txt文件前4列是特征，第5列是标签。内容形如：

-0.567811945258 0.899305436215 0.501926599477 -0.222973905568 1.0-0.993964260114 0.261988294216 -0.349167046026 -0.923759536056 0.00.300707261785 -0.90855090557 -0.248270600228 0.879134142054 0.0-0.311566995194 -0.698903141283 0.369841040784 0.175901270771 1.00.0245841670644 0.782128080056 0.542680482068 0.44897929707 1.00.344387543846 0.297686731698 0.338210312887 0.175049733038 1.0