機器學習算法講堂_第1頁
機器學習算法講堂_第2頁
機器學習算法講堂_第3頁
機器學習算法講堂_第4頁
機器學習算法講堂_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

機器學習算法講堂(3)FMFactorization

MachinesqscqeszeFM論文地址：

.tw/~b97053/paper/Rendle2010FM.pdfFM的優(yōu)點1.解決了特征稀疏的問題，能在非常非常稀疏數(shù)據(jù)的情況下進行預估。2.解決了特征組合的問題3.

FM是一個通用模型，適用于大部分的場景4.訓練速度快，線性復雜度。FM的推導一般的LR：考慮特征組合：缺點：1.復雜度高2.wij只能在xixj不同時為0的情況下訓練，特征稀疏的情況下，wij訓練不充分。FM的推導引入輔助變量：已知：找到一個FM的推導公式：FM的梯度計算對于w0:對于wi:對于vi：擴展：FFM特征應該分為多個fieldj1表示xj1所在的field，j2表示xj2所在的field復雜度(kn^2)DeepFMDCNxDeepFM

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論