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

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.

Factorization Machines 学习笔记（四）学习算法

标签： FMFactorizationMachine稀疏特征SGDALS 2014-10-28 10:22  9370人阅读  评论(7)  收藏  举报

  分类： 数据挖掘（34） 

  机器学习（36） 

版权声明：本文为博主原创文章，未经博主允许不得转载。

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

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.