FM模型通过不同组合不同的特征，解决推荐系统中数据稀疏的问题。
FM模型吸收了矩阵分解模型的优点，使用 特征项隐藏向量训练获得预测模型。此模型可以用于评分预测，点击率预测。对所有变量间的二阶相互作用进行建模，能够很好的处理数据稀疏情况下各个变量间的相互作用。
缺点是不同特征的组合没有考虑某些特征属于同一领域，第二是只考虑二阶特征的组合，没有对高阶特征组进行建模。
[En]
The disadvantage is that the combination of different features does not consider that some features belong to the same field, and the second is that only the combination of second-order features is considered, and the high-order feature groups are not modeled.
首先对特征进行one-hot编码
FM模型为了解决 推荐用户——物品数据稀疏的情况下，各个特征组合的问题，以电视节目点击为例，用户对什么电视节目感兴趣，并预测是否会点击新的电视剧。
Original: https://blog.csdn.net/qq_43940950/article/details/123698791
Author: 炫云云
Title: 19【推荐系统12】FM——TensorFlow2实现
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/509049/
转载文章受原作者版权保护。转载请注明原作者出处！