XGBoost+FFM级联模型实现

1. FFM模型构建

训练样本的原始特征，以及xgb对训练样本的预测结果(样本在每棵树上的结果，作为一维特征)，作为FFM模型的输入。

2. FFM训练样本生成

input：原始特征，xgb对训练样本在每棵树上的预测结果；

output：含有field格式的ffm训练样本。

原始特征处理：

        将之前已离散化处理的连续特征，转化为field_id:feature_id:value格式，和xgb特征进行统一编码。

xgb预测结果处理：

        每棵树的预测结果(即样本落在哪个叶子节点上，就取那个叶子节点的ID)，作为该域内该特征的编码。比如，样本落在节点5上，以树编号为域，对应叶子节点编号为特征，样本是否落在该节点上为特征的取值，即1:5:1。

特殊处理：

        在每个域内，去掉取值频率低于一定阈值cutoff(超参数)的特征(或者把这些特征