（一）簡介

1.FM（factorization machine）模型是一種基于矩陣分解的機器學習模型，對于稀疏數據具有很好的學習能力；

2.FM模型與LR模型的區別在于引進了特征組合；

（二）算法

1.線性回歸模型：沒有考慮特征分量之間的關系；

2.考慮特征分量之間關系的線性回歸模型：若樣本特征為高度稀疏，那么不能對wij參數進行估計，絕大部分為0；

3.FM模型：引入輔助向量vi來對wij進行估計，解決特征稀疏的缺陷；

其中：

由于W = VV'，對應于一種矩陣分解，因此稱為FM模型；

4.在實際應用中，一般k值取得比較小，可以限制FM的表達能力，提高模型的泛化能力；

總結

以上是生活随笔為你收集整理的FM 模型介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。