标签：稠密 特征 因子 Factorization 算法 Machines 向量

Factorization Machines (FM)

首先这种算法是一种有监督的机器学习模型，既可以用在分类问题也可以用在回归问题当中，它是一种非线性的模型，相比逻辑回归具备了二阶交叉特征表达能力（不易拓展到三阶以上）。可以通过stochastic（随机） gradient descent (SGD), alternative least square (ALS), or Markov chain Monte Carlo (MCMC)方法进行训练。这种算法某种程度算作SVD算法的拓展，可以将稀疏向量表达的某一维特征转换为隐稠密向量（通过学习得出，在某些神经网络中充当embedding层便于网络接入），两个稠密向量的内积是他们的权重。它的变种为field-aware factorization machines (FFM)，提高了特征交叉能力，但是复杂度达到O(n^2)。

标签：稠密,特征,因子,Factorization,算法,Machines,向量
来源： https://www.cnblogs.com/lnas01/p/13179336.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。