这里写自定义目录标题
-
- 逻辑回归(LR):更多考虑线性特征,缺少特征交叉性和高阶特征
-
- DNN:考虑了高阶特征,缺少了对于低阶特征的考虑
-
- CNN:考虑近邻特征的关系。较单一,适合图片分类
-
- RNN:考虑更多的是数据时序性,较单一
-
- FM:考虑更多低阶特征,缺少高阶特征
-
- Wide&Deep:同时考虑了低阶特征和高阶特征,但是低阶特征需要手动交叉生成,对用户不友好
-
- DeepFM:兼顾了低阶和高阶特征,且计算过程中不需要用户干预
- DeepFM:兼顾了低阶和高阶特征,且计算过程中不需要用户干预
DeepFM的架构可以分成三部分,分别是一阶特征处理linear部分,二阶特征交叉FM以及DNN的高阶特征交叉。
FM
FM Layer是由一阶特征和二阶特征Concatenate到一起在经过一个Sigmoid得到logits,所以在实现的时候需要单独考虑linear部分和FM交叉特征部分。
y ^ F M ( x ) = w 0 + ∑ i = 1 N w i x i + ∑ i = 1 N ∑ j = i + 1 N v i T v j x i x j \hat{y}_{FM}(x) = w_0+\sum_{i=1}^N w_ix_i + \sum_{i=1}^N \sum_{j=i+1}^N v_i^T v_j x_ix_j y^FM(x)=w