引入了field的概念，核心目标在于，很多时候没有必要衡量任意两个小特征的关系，而只需要衡量小特征和每个field之间的关系，这样能一定程度降低稀疏性，提升隐向量的实际含义和泛化能力，隐向量的个数确实大大缩小，但是field的个数却也有关，因此不好说谁的复杂度高了，和实际问题有关，可以说的是，其实在FFM作者的实验中，FFM的提升相比FM并不多。
----------------------
你对FFM的理解不是很合理, 实际上FFM用更多的参数去学习更精细的特征交互, 参数量更大,复杂度更高.
我看到很多人都已经写过有关FM(Factorization Machine)和FFM(Field-aware Factorization Machine)模型的原理和实现方法...
最近，朴树又承包了我的朋友圈。 “朴树崩溃大哭” “朴树缺钱了” “朴树也逃不过‘真香’定律” ....... 即便现在已经很少露脸了，但每隔一段时间，朴树便在我们朋友圈刷屏...
ML & DM 集成学习 模型融合 ensemble http://wakemeup.space/?p=109 EM EM算法的目标是找出有隐性变量的概率模型的最大可能性解，...
前言 分类问题的评价指标是准确率，那么回归算法的评价指标就是MSE，RMSE，MAE、R-Squared。下面一一介绍 均方误差（MSE） MSE （Mean Squared...
最近新接触文本分类问题，对于我来数第一个问题就是Word Embedding这个词到底是什么意思，因此也就开始学习了相关知识http://licstar.net/archiv...
https://www.jianshu.com/p/d673c9507988通过简单运行了官网例子，对tensorflow serving有了大致的了解，但是怎么把自己的模型...
内容参考：Tensorflow四种交叉熵函数计算公式：tf.nn.cross_entropyTensorFlow四种Cross Entropy算法实现和应用 交叉熵（Cros...
tf.clip_by_value(A, min, max)：输入一个张量A，把A中的每一个元素的值都压缩在min和max之间。小于min的让它等于min，大于max的元素的值...
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None...
上一篇里详细解释了tf.slice()到底是怎么切的，包括shape和怎么思考这种基于数组的表现方式比较容易理解。这一篇我打算说tf.concat()，然后下一篇讲tf.st...
pandas.DataFrame.filter DataFrame.filter(items=None, like=None, regex=None, axis=None)参...
GitHub搭建个人网站，大家在网上一搜能搜到一大把的教程，但是大部分都讲的差不多，并不能满足自己想搭建的网站详细需求。我之前在搭建本站的时候也是查了较多资料，学习了下jek...
一.推荐系统分类 1.基于应用领域分类：电子商务推荐，社交好友推荐，搜索引擎推荐，信息内容推荐2.基于设计思想：基于协同过滤的推荐，基于内容的推荐，基于知识的推荐，混合推荐3...
更新并测试于 20240222 在 Mac 中安装 Ruby 、需要先安装好 RVM RVM 是一个便捷的 多版本 Ruby 环境的 管理 和 切换 工具 官网：https...
高山仰止，景行行止。高山， 喻高尚的德行。景行，大路，比喻行为正大光明，经常“喻以崇高的品行”之意。后以“高山景行”比喻崇高的德行。原出于《诗经·小雅·车辖》。后司马迁《史记...
1、什么是随机森林？ 随机森林就是用随机的方式建立一个森林，在森林里有很多决策树组成，并且每一棵决策树之间是没有关联的。当有一个新样本的时候，我们让森林的每一棵决策树分别进行...
