（一）簡介

1.FM（factorization machine）模型是一種基于矩陣分解的機(jī)器學(xué)習(xí)模型，對于稀疏數(shù)據(jù)具有很好的學(xué)習(xí)能力；

2.FM模型與LR模型的區(qū)別在于引進(jìn)了特征組合；

（二）算法

1.線性回歸模型：沒有考慮特征分量之間的關(guān)系；

2.考慮特征分量之間關(guān)系的線性回歸模型：若樣本特征為高度稀疏，那么不能對wij參數(shù)進(jìn)行估計(jì)，絕大部分為0；

3.FM模型：引入輔助向量vi來對wij進(jìn)行估計(jì)，解決特征稀疏的缺陷；

其中：

由于W = VV'，對應(yīng)于一種矩陣分解，因此稱為FM模型；

4.在實(shí)際應(yīng)用中，一般k值取得比較小，可以限制FM的表達(dá)能力，提高模型的泛化能力；

總結(jié)

以上是生活随笔為你收集整理的FM 模型介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。