推荐CTR预估-几个基础模型FM \FFM\GBDT+LR

1、FM模型理论和实践 FM(Factorization Machine)主要是为了解决数据稀疏的情况下，特征怎样组合的问题 数据的稀疏性，是实际应用场景中面临的一个非常常见的挑战与问题。与线性模型相比，FM的模型就多了后面特征组合的部分。 在数据很稀疏的情况下，满足xi,xj都不为0的情况非常少.对每一个特征分量xi引入辅助向量Vi=(vi1,vi2,⋯,vik),当交叉项参数全为0时退化为普通

>>阅读原文<<