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。