Factorization Machine 学习笔记

FM 的 优点： 解决了特征稀疏的问题，能在非常系数数据的情况下进行预估。 解决了特征组合的问题，研究了特征与特征之间的向量，不像LR线性回归那样没有组合 FM使一个通用模型，适用于大部分场景，而其他因式分解模型只能用于一些输入数据比较固定的情况 训练速度快，线性复杂度是线性的，优化效果很好 一般的线性回归： 考虑了特征组合： 缺点：复杂度太高，复杂度n^2，wij只能在xi，xj不同时为0的情况

>>阅读原文<<