FM算法模型 一、FM意义二、FM理论模型三、参数优化 一、FM意义 传统的LR模型,各个特征之间是相互独立的,为了获得特征之间的交互关系,需要花费大量的时间去进行人工特征构造(交叉特征)。同时,面对特征高度稀疏的应用领域(推荐系统),相当多的参数难以得到有效的学习。于是FM算法应运而生。 FM获得二阶交叉特征,同时能解决特征高度稀疏导致参数不能得到有效学习的问题。 二、FM理论模型 从上图看,时间复杂度是O(kn^2),但是可以通过简单的换算使时间复杂度变换为O(kn),变换过程如下图: 三、参数优化 参数优化过程采用随机梯度下降法,SGD: