看到这么烧脑的文字,大家一定非常气愤,本身生活已经很累了,已经很不易了,还要看这么费神的文字,我想大家只想说一句"真TM蛋疼"。但是,话又说回来,为了您的进步,请忍住蛋疼,继续阅读阅读下面的文字,为了大家心里得到一点安慰,首先来一张文艺范儿的美图,给大家缓解缓解。
一、FM回归目标函数
这里接着上一篇‘FM模型在工业推荐系统中的价值‘’,看过这篇文章的文人墨客,肯定已经烂熟于心了,这里不再阐述烧脑的FM模型原始的公式呢,这里直接回到FM模型目标函数上来,目标函数如下:
上面公式表明,最后即为普通拟合方程求解问题,模型优化一般需要加上正 规化项,避免参数过拟合,FM添加L2正规化(权值向量的平方和处理过程, 可理解为惩罚因子),回归问题和二元分类问题都变成loss函数最小化问题 的求解过程。
二、L2正则化,避免过拟合问题,需要出来装范儿!
针对普通机器学习模型或者复杂的模型,都存在参数过拟合的问题,过拟合的弊端显而易见,就是对训练样本拟合的非常的好,精度也很高,但是在实际应用预测场景当中,表现的一塌糊涂,就像有些同学,平时表现非常好,一到考试就蔫了。FM模型也不例外,这时L2范数,需要出来PB,解决目前过拟合的问题。加上L2范数后,FM模型目标函数如下:
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.