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
θ
(
x
)
g_{\theta}(x)
gθ(x)则利用
y
^
(
x
)
−
θ
h
θ
(
x
)
\widehat{y}(x) - \theta h_{\theta}(x)
y
(x)−θhθ(x)来计算"
参考文献
转载来源,原文链接失效。