Open Liam0205 opened 5 years ago
https://liam.page/2019/03/25/Factorization-Machine/
先前我们讨论过逻辑回归。作为线性模型,它最大的优势是简单,于是可以以很高的效率去学习和预测,因而在很多领域都被广泛应用。但「成也萧何败萧何」,由于 LR 只能捕捉关于特征的线性信息,而无法捕捉非线性信息——特别是交叉特征信息,人们对 LR 进行了各种升级改造。 此篇介绍因子分解机模型(Factorization Machine)。
https://liam.page/2019/03/25/Factorization-Machine/
先前我们讨论过逻辑回归。作为线性模型,它最大的优势是简单,于是可以以很高的效率去学习和预测,因而在很多领域都被广泛应用。但「成也萧何败萧何」,由于 LR 只能捕捉关于特征的线性信息,而无法捕捉非线性信息——特别是交叉特征信息,人们对 LR 进行了各种升级改造。 此篇介绍因子分解机模型(Factorization Machine)。