FM的原理https://zhuanlan.zhihu.com/p/37963267
原理
FM的表達式，包含常數項，一階項，二階項
正常情況下，
隻有當
不為0的情況下，
才能被訓練到
同樣的，
隻有當
都不為0的情況下，
才能被訓練到，再加上資料稀疏，
不為0的情況非常少，是以
就很難被訓練到。
解決辦法
是矩陣計算出來的值，不再是單純一個值。
是有下面矩陣計算出來的
這也是矩陣分解的結果。
最後經過一系列的化簡
然後求偏導
為什麼适用于稀疏
在優化的時候有
，同樣的當
為0的時候，
還是不能訓練到。
但是，此時交叉項的系數是有矩陣組成的，V1=[v12, v13, ..., v1k]，隻要有x不為全為0，偏導的結果就不為0，這個參數就能訓練到。
此時有一個特征為空就不能訓練---》變成了全部特征為空才能不訓練，
也就是即使是稀疏資料的情況下，矩陣依然能夠疊代，進而矩陣計算出的
也在疊代。