libfm in python

https://github.com/coreylynch/pyFM

这 是 一个   python   实现 的 分解 机   [1]。使用 自适应 正则化 作为 一 种 学习 方法 ， 适应 正规化 训练 模型 参数 时 ， 自动 使用 随机 梯度 下降 。 详情 ， 请参阅   [2] 。 从   libfm.org : "分解 机   (FM)   是 允许 通过 来 模拟 大多数 分解 模型 的 特征 工程 的 泛型 方法 。 这 种方式 ， 分解 机 " 相结合 特征 工程 概论 凭借 优势 的 分解 模型 估计 的 大 域 分类 变量 之间 的 相互作用 。

[1] Steffen Rendle (2012): Factorization Machines with libFM, in ACM Trans. Intell. Syst. Technol., 3(3), May.

[2] Steffen Rendle: Learning recommender systems with adaptive regularization. WSDM 2012: 133-142

依赖：numpy 和 sklearn

训练过程

使用此方法最简单的方式是——将你的训练数据描述成标准的python字典格式，即the dict elements map each instance's categorical and real valued variables to its values.然后使用sklearn的sklearn DictVectorizer  将字典转换为使用one-hot编码过的设计矩阵。

例如：

from pyfm import pylibfm
from sklearn.feature_extraction import DictVectorizer
import numpy as np
train = [
    {
  "user": "1", "item": &