《Spark机器学习进阶实战》——3.5.3　因式分解机模型

3.5.3　因式分解机模型

因式分解机（Factorization Machine，FM）模型是一种基于矩阵分解的机器学习模型，对于稀疏数据具有很好的学习能力。FM模型引入隐变量vi来对wij进行估计，模型的形式化表示如下：

其中：

Vi = (Vi1, Vi2, …Vik)T, i =1, 2, ..., n

由于wij=VTi Vj ，对应于一种矩阵分解，所以被称为因式分解机模型，在实际应用中，一般k值取得比较小，可以限制FM的表达能力，提高模型的泛化能力。FM和LR一样能够驾驭大规模特征，并在LR的线性部分基础上，对特征做二阶组合，这会省去人工特征工程的工作。