Factorization Machines 学习笔记（四）学习算法

      
    近期学习了一种叫做 Factorization Machines（简称 FM）的算法。它可对随意的实值向量进行预測。其主要长处包含: 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 框架进行简介。并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行具体推导。

相关链接：

（一）预測任务

（二）模型方程

（三）回归和分类

（四）学习算法

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaXRwbHVz/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

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.

版权声明：本文博客原创文章，博客，未经同意，不得转载。