XdeepFM和CIN

CIN和crossNet都是顯式構造交叉特徵的典範。其巧妙之處在於,通過k階交叉構造k+1階交叉,從而將複雜度控制到可接受範圍。 CIN中將sum pooling替換爲max pooling,可能效果會更好。 CIN中應該加入x0的一階項,形成一個完整的泰勒級數。 論文對crossNet的描述可能有誤???否則xk真是x0的線性變化,沒有非線性是不可能學好的。 CIN中的二階特徵是e_i e_j的
相關文章
相關標籤/搜索