因子分解机 FM-Factorization Machine

推荐系统笔记
推荐系统中各种指标含义UV:UV价值:CTR:PVCTR:UVCTR:GMV:曝光点击率:UV转化率:环比:同比:SPU、SKU、销售属性、CSPU:FM- (因子分解机)FM (因子分解机) 简介:
图1 FM (因子分解机) 输入特征向量和标签
FM (因子分解机) 模型的计算复杂度:
FM (因子分解机) 模型的学习方法:
FM (因子分解机) 模型延伸-多元交叉:
FM (因子分解机) vs MF (矩阵分解):
参考博客:
Loss函数、回归与极大似然估计
参考博客:
其中重点如下:

因子分解机  FM-Factorization Machine

文章插图
推荐(召回?)算法的分类
基于模型的推荐算法,是与基于的推荐算法相对的,基于的推荐算法,主要是将所有的用户数据,读入内存,进行运算;当数据量特别大时,显然这种方法是不靠谱的,因此出现了基于模型的推荐算法,依托于一些机器学习的模型,通过离线进行训练,在线进行推荐 。
电商网站:
新闻、社交网站:
CF
参考博客:
【因子分解机FM-Factorization Machine】推荐系统中点击率CTR预估模型:LR逻辑回归、FM因子分解机特征向量的构建LR逻辑回归模型中的特征选择