C++ 因子分解机FM算法及实现

最新推荐文章于 2024-04-23 17:36:06 发布

codestorm04

最新推荐文章于 2024-04-23 17:36:06 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏： Machine Learning Theory 文章标签： FM Factorization Machine Armadillo Arma_ML

本文链接：https://blog.youkuaiyun.com/weixin_43996899/article/details/92591945

推荐系统和个性化广告预测中，因子分解机（FM）用于处理离散特征的高维稀疏问题，提高点击率预估效率。FM通过短特征向量表示原始特征并进行回归，以sigmoid函数进行0-1分类。本文介绍了FM的原理，并提供了使用C++及Armadillo库实现的FM训练和预测代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

推荐系统与个性化广告系统中都涉及到用户点击率预估及浏览时长等的预估，点击率可通过简单地对<u, v>做一个[0, 1]之间的概率分值，u为针对某个用户，v为推荐的广告或内容。由于此类系统往往具有大量经过one-hot编码的离散特征，造成极端稀疏和高纬度特征，使得特征提取和回归点击概率变得效率地下。

FM（Factorization Machine）通过一个比输入特征短的多的特征向量<u, v>'来表示<u, v>的主要特征，并对其进行回归，给到sigmoid函数完成0-1分类预测。

具体公式表示和推导可参考：

http://www.cnblogs.com/zhangchaoyang/articles/7897085.html

https://www.cnblogs.com/zhangchaoyang/articles/8157893.html

https://blog.youkuaiyun.com/weixin_39750084/article/details/83549027

这里给出对输入向量进行稀疏表示后的FM训练与预测实现，实现代码通过C++以及借助Armadillo线性代数库完成，具体源代码可在github项目Arma_ML浏览，欢迎给颗star哦～

fm.h如下：

/*
* Factorization Machine, mostly used in recommender systems, handling huge sparse matrixs, 
  predicting user actions such as whether click. Time complexity from O(kn) to O(knn)
* Mathmetics reference: http://www.cnblogs.com/zhangchaoyang/articles/7897085.html
                        https://www.cnblogs.com/zhangchaoyang/articles/8157893.html
                        https://blog.youkuaiyun.com/weixin_39750084/article/details/83549027