介绍 ![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/dae72a118190773139b1522f580281ed.png)
除了线性部分之外。还有特征组合部分。
每个特征都对应一个k维向量,
两个特征组合的时候,使用特征对应的向量点乘得到一个“权重值”。
原理
K维向量相乘:
两个K维向量用点乘求相似,
通过点乘方式确定两个特征的相似性权重。
特征组合为什么是向量:
稀疏条件下,这样的表示方法打破了特征的独立性,能够更好地挖掘特征之间的相关性。
FM与Embedding
某特征有100w种取值,如果使用one-hot编码,每个特征需要使用100w维特征表示.
使用了FM算法学习之后,得到该特征对应的向量比如vi的特征维度是10维。
某个特征就可以用10维的向量表示。
FM算法理论
FM算法能够学习到原始特征的embedding表示