FM(Factorization Machines)模型詳解

優點

1. FM模型可以在非常稀疏的數據中進行合理的參數估計，而SVM做不到這點

2. 在FM模型的復雜度是線性的，優化效果很好，而且不需要像SVM一樣依賴於支持向量。

3. FM是一個通用模型，它可以用於任何特征為實值的情況。而其他的因式分解模型只能用於一些輸入數據比較固定的情況。

與LR聯系與區別

• LR各個特征獨立考慮，但實際上大量特征之間是有關聯的，FM在LR的基礎上引入(增加)組合特征。

• 對組合特征的參數估計引入輔助(隱)向量，輔助(隱)向量的維度--K值，反映了FM模型的表達能力。