FM算法详解
来源:互联网 发布:mac app store中文版 编辑:程序博客网 时间:2024/04/29 05:57
参考:http://blog.csdn.net/bitcarmanlee/article/details/52143909
http://blog.csdn.net/dream_catcher_10/article/details/50844976
简介
1.FM(factorization machine)模型是一种基于矩阵分解的机器学习模型,对于One-Hot编码引起的稀疏数据具有很好的学习能力;2.FM模型与LR模型的区别在于引进了特征组合,选择合适的K值可提高模型的泛化能力;;
FM算法
普通的线性模型,我们都是将各个特征独立考虑的,并没有考虑到特征与特征之间的相互关系。但实际上,大量的特征之间是有关联的。最简单的以电商为例,一般女性用户看化妆品服装之类的广告比较多,而男性更青睐各种球类装备。那很明显,女性这个特征与化妆品类服装类商品有很大的关联性,男性这个特征与球类装备的关联性更为密切。如果我们能将这些有关联的特征找出来,显然是很有意义的。
一般的线性模型为:
从上面的式子很容易看出,一般的线性模型压根没有考虑特征间的关联。为了表述特征间的相关性,我们采用多项式模型。在多项式模型中,特征
上式中,
与线性模型相比,FM的模型就多了后面特征组合的部分。
FM求解
从上面的式子可以很容易看出,组合部分的特征相关参数共有
为了求出
那么
上面的表达形式,就对应了一种矩阵的分解。对
要求出
- FM算法详解
- FM算法详解
- FM算法详解
- FM算法详解
- BWT压缩算法及FM搜索算法详解
- FM算法(Factorization Machine)
- FM
- FM
- FM
- Fiduccia-Mattheyses algorithm(FM算法)
- 点击率预估算法:FM与FFM
- FM的快速增量算法猜想
- FM算法能够学习到原始特征的embedding表示
- FM算法和fastFM包的使用介绍
- FM算法能够学习到原始特征的embedding表示
- FM站点
- FM: DYNP_VALUES_READ
- FM上层
- java中的regex
- 文章标题
- servlet的request详解
- WebService为什么不如RESTful API流行
- 常坐电脑前面,这些健康问题你注意到了么?
- FM算法详解
- fork()函数两次返回
- 【设计模式】原型模式
- windows和ubuntu下的python2和python3的打开命令
- Linux下命令与文件的查询
- Spring的注解
- (转)Android中BindService方式使用的理解
- 数组初始化及其遍历
- ModBus协议-功能码-0x17