FM/FFM模型学习笔记
目录
对fm和ffm做一下总结和整理
一、前言 #
fm和ffm模型
二、FM模型(Factorization Machines) #
background #
LR模型需要人工设计组合特征来引入非线性,FM模型能够自动对特征进行组合,提升模型泛化能力。
model #
预估计算复杂度 #
学习算法 #
高阶FM #
三、FFM模型(Field-aware Factorization Machines) #
background #
FFM模型,在FM的基础上引入了field的概念,作者认为features can be grouped into “fields”。每一个特征属于一个field,对属于不同field的其他特征有不同的权重。这样能够更好的捕捉特征之间的关系
model #
训练优化 #
开发了libffm,使用了Hog-wild!算法
四、开源工具 #
- libfm
- libffm
- xlearn
reference [1] FM https://www.csie.ntu.edu.tw/~b97053/paper/Rendle2010FM.pdf [2] FFM https://www.csie.ntu.edu.tw/~cjlin/papers/ffm.pdf [3] 深入FFM原理与实践 https://tech.meituan.com/2016/03/03/deep-understanding-of-ffm-principles-and-practices.html