FM模型简介与推导

最新推荐文章于 2024-04-23 17:36:06 发布

daihp1022

最新推荐文章于 2024-04-23 17:36:06 发布

阅读量554

点赞数 1

分类专栏：机器学习文章标签：机器学习 FM

本文链接：https://blog.csdn.net/qq_34135624/article/details/103337462

版权

因子分解机（FM）模型通过学习每个特征的向量表示来处理大规模稀疏特征，尤其适用于CTR预估和推荐排序。FM模型通过特征向量内积计算特征组合权重，即使特征未同时出现，也能通过其他特征组合学习到的embedding泛化。本文介绍了FM模型的原理、梯度推导以及与其他模型的关系，并提供了相关资源链接。

摘要由CSDN通过智能技术生成

一、FM简介

在一般的回归线性模型中，模型可表示为 $y=b+\sum_{i}^n{w_ix_i}$ 然而这样的线性模型并未考虑到特征与特征之间交叉的影响，当加入特征交叉时，模型可表示为 $y=b+\sum_{i}^n{w_ix_i}+\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}w_{ij}x_ix_j$