1. FM算法

关于FM算法，已经有很多文章将原理讲的很清楚了，这里记录一下个人的想法以及实践中的处理方式，如有不对，还请指正。

1. FM算法原理

FM算法的输出由2部分组成，分别为线性层和二阶交互层，公式为：
而对于输入数据x，从原论文给出的图中，可以知道既然包含了数值特征，也包含了类别特征。对于类别特征处理方式为One-Hot编码。

2. 实践中的问题

2.1 线性层中的离散特征

前面提到了FM一部分输出为线性层，但我们知道对于离散特征进行独热编码后，是很稀疏的。如果就这样直接与数值特征拼接后送入线性层，这会造成很多参数训练不充分。
阅读DeepCTR的代码，其中对类别特征如何送入线性层有如下的处理方式：

• 对类别特征进行Embedding编码，不过送入线性层的离散特征编码后维度为dim=1;
• 将编码后的类别特征，再与数值特征进行拼接，送入线性层；

至于数值特征，可以做一个归一化操作，比如MinMaxScaler()，Standard