[CTR]CTR之fm以及ffm

在CTR中对ID特征vector化，然后求解最小loss一种常见的解决方案，如下收藏两个比较好用的方法，fm以及ffm。其中ffm在前两年的kaggle CTR相关比赛中，都能看到它的身影。

一、fm（Factorization Machines）

论文

http://www.csie.ntu.edu.tw/~b97053/paper/Rendle2010FM.pdf

代码

http://www.libfm.org/

两度fm公式如下：

三种类型参数更新如下：

  

 

二、ffm（field-aware factorization machines）

比赛ppt

http://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

开源代码

https://github.com/guestwalk/kaggle-2014-criteo

 

fm公式如下，针对任一一个样本中的ID特征，有其唯一的一个分解向量与之对应：

ffm的公式如下，任一一个样本中的领域A下的ID特征i，对每一个交叉的领域B下的ID特征有一个分解向量与之对应：