因子分解机 FM和FFM

因子分解机 Factorization Machine

因子分解机主要是考虑了特征之间的关联。

FM主要是为了解决数据稀疏的情况下，（而SVM无法解决稀疏问题），特征怎样组合的问题。

数据稀疏是指数据的维度很大，但是其中为0的维度很多。推荐系统是常见应用场景，原因是推荐系统中类别属性（如商品id）比较多，每一种类别属性经过onehot处理后会产生大量值为0的特征，导致样本变得稀疏，而FM就可以解决这种样本稀疏的问题。

因子分解机FM算法可以处理如下三类问题：

普通线性模型

我们将各个特征独立考虑，并没有考虑特征之间的相互关系。

FM模型

为了表述特征间的相关性，我们采用多项式模型，将特征$x_i$和$x_j$的组合用$x_ix_j$表示，只讨论二阶多项式模型：

其中，n表示样本的维度（是已经进行onehot以后的特征数量），$x_i$表示第i个特征，(如果是类别变量，那么onehot后只有一个维度值为1，其余维度值为0，因此在这种情况下$x_i$的值通常是取0和1，而对于一般的数值维度，$x_i$的值对应原来的数值)， $w_{ij}$是组合参数，代表组合特征的重要性，注意：$w_{ij}$和$w_{ji}$是相等的，因此组合特征部分相关参数共有$(n-1)+(n-2)+...+1=n(n-1)/2$

注意到，在数据稀疏的情况下，满足特征$x_i$和$x_j$都不为0的情况很少，因此$w_{ij}$很难训练。

为了求解组合参数$w_{ij}$, 对每个特征分量$x_i$引入k维（k远小于n) 的辅助向量$v_i=(v_{i1}, v_{i2},...,v_{ik})$, 然后利用向量内积的结果$v_iv_j^T$来表示原来的组合参数$w_{ij}$

实际上，辅助向量可以理解为是特征分量的另一种表示形式，类似于词向量的表示形式，但是和词向量存在区别。词向量中是将一个单词转换为向量表示形式，而单词是固定的，因此一个单词对应一个词向量；而在FM中，我们是将一个类别特征（注意，这是onehot前的特征）转换为一个向量，但由于该类别特征可以有多种取值，并且每种取值对应一个向量(也就是上面将类别特征onehot以后，每个特征分量对应一个辅助向量），因此，FM中确实是将一个类别特征转换为了向量形式，只不过向量会根据特征的取值发生变化。

此时，组合参数$w_{ij}$组成的矩阵可以表示为：

将组合参数进行分解的好处：

1. 从原来要求n(n-1)/2个组合参数变成了求矩阵V，参数数量变为n*k.
2. 削弱了高阶参数间的独立性：k越大（即对特征分量的表征能力越强），高阶参数间独立性越强，模型越精细；k越小，泛化能力越强，

因此实际问题选择较小的k可以克服稀疏数据的问题，并获得较好的预测效果。

因此时间复杂度从O(n^2)变成了O(kn)

此时，分解机的表示形式变为：

注意第二项，下标j的循环从i+1开始。

使用辅助向量乘积表示组合参数的原理：

通常，由于数据稀疏，本来组合参数是学习不到的，但是我们可以通过特征i与其他特征的数据的关系，特征j和其他特征的关系，分别学习到特征i和特征j的对应的辅助向量$v_i$和$v_j$,这样利用$v_iv_j^T$来表示$w_{ij}$，便可以解决数据稀疏带来的问题。

计算模型的预测值：

在计算模型时，只需要考虑计算量最大的二次项：

可以先把标量$x_i$和对应的辅助向量$v_i$相乘，并记录下来，得到$u_i=x_iv_i$, 注意$x_i$只是标量。

对于n个元素，共需要n*k次乘法，于是二元项变为：注意：公式中的r即为k,即辅助向量的维度

把上式凑成和的平方：

化简的原理是将整个对称矩阵W除去对角线上的数值，由于对称，再除以2得到原来的上三角矩阵。

括号内，两部分计算量均为O(n),因此整体计算量为O(kn)。

梯度下降求解模型参数：

SGD中，需要计算两种导数：

1. 预测值对一元参数的导数：

1. 预测值对二元参数的导数：

实际处理问题：

回归问题：

在回归问题中，直接使用模型预测值作为预测结果，并使用最小均方误差作为损失函数，其中m为样本个数：

二分类问题：

将输出结果通过激活函数，如sigmoid函数得到预测类别的概率，使用对数似然作为损失函数：

场感知分解机 FFM

FM的应用场景：给定一组数据，判定用户是否会进行点击。

采用onehot对categorical类型的数据进行编码后，数据会十分稀疏，并且数据维度增大。

以广告分类为例，“Day=26/11/15”、“Day=1/7/14”、“Day=19/2/15”这三个特征都是代表日期的，可以放到同一个field中。同理，商品的末级品类编码生成了550个特征，这550个特征都是说明商品所属的品类，因此它们也可以放到同一个field中。简单来说，同一个categorical特征经过One-Hot编码生成的数值特征都可以放到同一个field，包括用户性别、职业、品类偏好等。

Field-aware Factorization Machine(FFM) 模型

场感知说白了可以理解引入了field的概念，FFM把相同性质的特征归于同一个field。

因此，隐向量不仅与特征相关，也与filed相关，

即：对每一维特征分量$x_i$, 针对每一种field $f_j$ , 都会学习一个隐向量$v_{i, f_j}$，与不同的特征关联需要使用不同的隐向量 (而FM每种特征只有一个隐向量)
例如，当考虑“Day=26/11/15”这个特征，与“Country”特征和“Ad_type”特征进行关联的时候，需要使用不同的隐向量，而在FM中则使用相同的隐向量。

假设样本的n个特征（已经onehot)属于f个field, 那么FFM二次项有nf个隐向量。

因此，得到：

其中，$f_j$是第j个特征所属的field. 如果隐向量的长度为k, 那么FFM的交叉项参数就有nfk个，远多于FM模型的nk个。此外，由于隐向量于filed有关，FFM的交叉项并不能够像FM那样进行化简，预测复杂度为$O(kn^2)$.

FFM的使用：所有的特征必须转换成“field_id:feat_id:value”格式，field_id代表特征所属field的编号，feat_id是特征编号，value是特征的值.

在FFM论文版本里的梯度更新，学习率是通过类似于adagrad自适应的学习率计算的。根据AdaGrad的特点，对于样本比较稀疏的特征，学习率高于样本比较密集的特征，因此每个参数既可以比较快速达到最优，也不会导致验证误差出现很大的震荡。

参考：

FM算法详解：https://blog.csdn.net/bitcarmanlee/article/details/52143909

FM计算：https://blog.csdn.net/shenxiaolu1984/article/details/78740481

fm美团：https://tech.meituan.com/deep_understanding_of_ffm_principles_and_practices.html

csdn， 推荐算法：https://blog.csdn.net/asd136912/article/details/78318563

美团，FFM: https://tech.meituan.com/deep_understanding_of_ffm_principles_and_practices.html