分解机(Factorization Machine,FM)算法总结

转载来源,原文链接失效。
FM(Factorization Machine)主要是为了解决数据稀疏的情况下,特征怎样组合的问题。此算法的主要作用是可以把所有特征进行高阶组合,减少人工参与特征组合的工作。FM只需要线性时间复杂度,可以应用于大规模机器学习

预测任务

模型方程

回归和分类

学习算法

注:上面最后一句话应该是”而$g_{\theta}(x)$则利用$\widehat{y}(x) - \theta h_{\theta}(x)$来计算”






参考文献


-------------本文结束感谢您的阅读-------------


本文标题:分解机(Factorization Machine,FM)算法总结

文章作者:Statusrank

CSDN博客欢迎来访!

发布时间:2019年06月05日 - 21:06

最后更新:2019年06月05日 - 21:06

原始链接:https://statusrank.xyz/articles/1ed9075e.html

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

万水千山总是情,就给五毛行不行!