一、FM简介 在一般的回归线性模型中，模型可表示为y=b+∑inwixiy=b+\sum_{i}^n{w_ix_i}y=b+i∑nwixi然而这样的线性模型并未考虑到特征与特征之间交叉的影响，当加入特征交叉时，模型可表示为y=b+∑inwixi+∑i=1n−1∑j=i+1nwijxixjy=b+\sum_{i}^n{w_ix_i}+\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}w_{ij}x_ix_jy=b+i∑nwixi+i=1∑n−1j=i+1∑nwijxix
因子分解机（FM）模型通过学习每个特征的向量表示来处理大规模稀疏特征，尤其适用于CTR预估和推荐排序。FM模型通过特征向量内积计算特征组合权重，即使特征未同时出现，也能通过其他特征组合学习到的embedding泛化。本文介绍了FM模型的原理、梯度推导以及与其他模型的关系，并提供了相关资源链接。
最低0.47元/天 解锁文章
扫一扫
3610
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
