题目标题

FM原理

参考解析

FM的全称是Factorization Machines,就是因子分解机的意思,为什么叫因子分解呢,就是因为他对传统的线性回归模型加了一个因子交叉项,是由Konstanz大学Steffen Rendle于2010年最早提出的,旨在解决稀疏数据下的特征组合问题。FM是一种比较灵活的模型,通过合适的特征变换方式,FM可以模拟二阶多项式核的SVM模型、MF模型、SVD++模型等,相比SVM的二阶多项式核而言,FM在样本稀疏的情况下是有优势的;而且,FM的训练/预测复杂度是线性的,而二项多项式核SVM需要计算核矩阵,核矩阵复杂度就是N平方。对于FM而言,我们可以加任意多的特征,比如user的历史购买平均值,item的历史购买平均值等