FM與FFM的區別

FM與FFM FM：旨在解決稀疏數據下的特徵組合問題，具有線性的計算複雜度；（矩陣分解方式處理參數，不僅能減少參數數量，還能處理由於稀疏性帶來的參數不好訓練的問題）一般的線性模型壓根沒有考慮特徵間的關聯(組合)。爲了表述特徵間的相關性，我們採用多項式模型。觀察大量的樣本數據可以發現，某些特徵經過關聯之後，與label之間的相關性就會提高。例如，「USA」與「Thanksgiving」、「China

>>阅读原文<<