FM-Factorization Machine(因子分解机)
推荐系统笔记
推荐系统中各种指标含义 UV： UV价值： CTR： PVCTR： UVCTR： GMV： 曝光点击率： UV转化率： 环比： 同比： SPU、SKU、销售属性、CSPU： FM- (因子分解机) FM (因子分解机) 简介：
图1 FM (因子分解机) 输入特征向量和标签
FM (因子分解机) 模型的计算复杂度：
FM (因子分解机) 模型的学习方法：
FM (因子分解机) 模型延伸-多元交叉：
FM (因子分解机) vs MF (矩阵分解)：
参考博客:
Loss函数、回归与极大似然估计
参考博客:
其中重点如下：
推荐（召回?）算法的分类
基于模型的推荐算法，是与基于的推荐算法相对的，基于的推荐算法，主要是将所有的用户数据，读入内存，进行运算；当数据量特别大时，显然这种方法是不靠谱的，因此出现了基于模型的推荐算法，依托于一些机器学习的模型，通过离线进行训练，在线进行推荐。
电商网站：
新闻、社交网站：
CF
参考博客：
推荐系统中点击率CTR预估模型：LR逻辑回归、FM因子分解机 特征向量的构建 LR逻辑回归模型中的特征选择
