Factorization machine (FM)

Factorization machine (FM) 是一种模型，用于处理稠密或稀疏的数值型特征和类别型特征的预测问题。它可以对特征之间的交互进行建模，并建立对数据的高阶函数表示。通常用于推荐系统、广告点击率预估和搜索排序等领域。

Factorization machine 的算法有点类似于矩阵分解，它将给定的输入特征矩阵分解为两个低维的特征矩阵的积，并通过最小化损失函数来学习这些低维矩阵。Factorization machine 还支持对高阶特征进行线性组合的过程，从而使得模型能够自动学习出数据中的复杂交互特征。