为什么wide&deep模型用ftrl和adagrad两种优化方法

1.一片google论文说wide模型可能有billion的feature，FTRL+L1norm可以让参数w稀疏，并提供不错的结果。稀疏性应该是一个动机。

2. 可能Google的FTRL的实现适合稀疏数据，而Adagrad每个参数都要记录learning rate，内存消耗太大。

3. 论文里说wide负责memorize/overfitting，deep负责generalization。一个可能的动机是FTRL更容易overtting。

稀疏应该是主要原因。