参考:
http://stackbox.cn/2018-12-factorization-machine/
https://baijiahao.baidu.com/s?id=1641085157432717824&wfr=spider&for=pc
http://mini.eastday.com/mobile/171102132832769.html
http://ju.outofmemory.cn/entry/347921
Factorization Machine---因子分解机
Factorization Machine 主要目标是: 在数据稀疏的情况下解决组合特征的问题
作为一个2010年提出的模型, FM在工业界还依然有着很广泛的应用, 比如CTR预估, LearningToRank, 而且衍生出了DeepFM这种融合了深度学习的模型, FM模型的优点很明显 适用于CTR预估这种稀疏矩阵的情况 做好特征工程后就不用考虑组合特征了, 如果是在LR模型中添加组合特征, 则需要极其深刻的领域知识 在线上进行预测时候速度快, 模型训练也快。
扫描二维码关注公众号,回复:
7544913 查看本文章
FM (Factorization Machine) 算法可进行回归和二分类预测,它的特点是考虑了特征之间的相互作用,是一种非线性模型,目前FM算法是推荐领域被验证的效果较好的推荐方案之一,在诸多电商、广告、直播厂商的推荐领域有广泛应用。 PAI平台的FM算法基于阿里内部大数据的锤炼,具备性能优越、效果突出的特点。