ML相关资源搜集整理

这里主要搜集推荐、搜索、计算广告等会用到的机器学习算法相关资源。包括各个它们的背景知识以及常用算法，其中算法包含了模型算法和求解两个方面

推荐相关

• github上Flowerowl整理的 Big-Data-Resources 资源列表列表，见 这里
• 美团技术博客整理的 美团推荐算法实践，见 这里
• Airbnb租房搜索推荐，产品和技术的一些思考，见 这里
  

机器学习模型相关

常用算法包括NB、LR、SVM、GBDT、协同过滤等。有些算法是各个领域共用的，例如用于点击率预估的NB、LR、GBDT等，有些算法是各个领域特有的，例如协同过滤。

模型求解相关

各种炫酷的机器学习模型有了，面对大数据，模型的求解常常也是一个大问题。实际就是算法的时间和空间复杂度过高，于是出现了各种改进优化算法，比较典型的例子就是牛顿算法到BFGS，再到LBFGS等算法都是面对计算速度慢和内存数据存储等问题提出来的新算法。

• 在线学习算法FTRL简介见 这里
• 常用优化算法小结，见 这里