Factorization Machines 学习笔记(四)学习算法


  
    最近学习了一种叫做 Factorization Machines(简称 FM)的算法,它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景;2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍,并对其训练算法 — 随机梯度下降(SGD)法和交替最小二乘(ALS)法进行详细推导。


相关链接

(一)预测任务

(二)模型方程

(三)回归和分类

(四)学习算法

Factorization Machines 学习笔记(四)学习算法_第1张图片Factorization Machines 学习笔记(四)学习算法_第2张图片Factorization Machines 学习笔记(四)学习算法_第3张图片Factorization Machines 学习笔记(四)学习算法_第4张图片Factorization Machines 学习笔记(四)学习算法_第5张图片Factorization Machines 学习笔记(四)学习算法_第6张图片Factorization Machines 学习笔记(四)学习算法_第7张图片Factorization Machines 学习笔记(四)学习算法_第8张图片

Factorization Machines 学习笔记(四)学习算法_第9张图片

作者: peghoty 

出处: http://blog.csdn.net/itplus/article/details/40536025

欢迎转载/分享, 但请务必声明文章出处.

你可能感兴趣的:(FM,SGD,ALS,稀疏特征)