minyang_yu的博客

import numpy as npnp.outer([1,2,3,4],[5,6,7,8])def tanh(x):return np.tanh(x)def softmax(x):exp=np.exp(x-x.max())return exp/exp.sum()def d_softmax(data): #求导sm=softmax(data)return np.diag(sm)-...

FM 的 优点：解决了特征稀疏的问题，能在非常系数数据的情况下进行预估。解决了特征组合的问题，研究了特征与特征之间的向量，不像LR线性回归那样没有组合FM使一个通用模型，适用于大部分场景，而其他因式分解模型只能用于一些输入数据比较固定的情况训练速度快，线性复杂度是线性的，优化效果很好一般的线性回归：考虑了特征组合：缺点：复杂度太高，复杂度n^2，wij只能在xi，xj不同时为...