最近學習了一種叫做 Factorization Machines（簡稱 FM）的算法，它可對任意的實值向量進行預測。其主要優點包括: 1) 可用于高度稀疏資料場景；2) 具有線性的計算複雜度。本文将對 FM 架構進行簡單介紹，并對其訓練算法 — 随機梯度下降（SGD）法和交替最小二乘（ALS）法進行詳細推導。      
       

相關連結：

（一）預測任務

（二）模型方程

（三）回歸和分類

（四）學習算法

作者: peghoty 

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

歡迎轉載/分享, 但請務必聲明文章出處.

Factorization Machines 學習筆記（四）學習算法

标簽： FMFactorizationMachine稀疏特征SGDALS 2014-10-28 10:22  9370人閱讀  評論(7)  收藏  舉報

  分類： 資料挖掘（34） 

  機器學習（36） 

版權聲明：本文為部落客原創文章，未經部落客允許不得轉載。

最近學習了一種叫做 Factorization Machines（簡稱 FM）的算法，它可對任意的實值向量進行預測。其主要優點包括: 1) 可用于高度稀疏資料場景；2) 具有線性的計算複雜度。本文将對 FM 架構進行簡單介紹，并對其訓練算法 — 随機梯度下降（SGD）法和交替最小二乘（ALS）法進行詳細推導。      
       

相關連結：

（一）預測任務

（二）模型方程

（三）回歸和分類

（四）學習算法

作者: peghoty 

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

歡迎轉載/分享, 但請務必聲明文章出處.