3路分解机

数据挖掘 机器学习
2021-09-26 05:30:47

因式分解机是对不同特征之间的交互进行建模的好方法，其方式比成熟的二次交互更有效。存在像 libFM 和 Vowpal Wabbit 的--lrq选项这样的高效实现。

我的问题是关于高阶交互：FM 论文提到将其扩展到高阶（Tensor FM？）“很容易”，请参阅。方程。(5) 在论文中。3路分解机有什么好的实现吗？

[从交叉验证移动]

2个回答

我最近启动了polylearn，这是一个 scikit-learn-contrib 包，用于在 Python 和 Cython 中高效实现分解机器和多项式网络。Polylearn 目前使用 polylearn 网站上引用的论文中描述的方法为 2 阶和 3 阶分解机以及任意阶多项式网络协调下降求解器。

我目前正在使用 SG 和 CD 风格算法实现任意高阶 FM，使用最近的这篇论文中的方法，我应该在一周内准备好它。

Polylearn 还没有发布，所以我很想听听关于 API 和功能的任何反馈，以便在 0.1 发布之前完成！

张量流实现 https://github.com/geffy/tffm/

它支持任意阶 (>=2) 分解机、密集和稀疏输入。界面采用 Scikit-learn 风格。

请参阅带有示例的 Jupyter 笔记本。

其它你可能感兴趣的问题
上一篇Tensorflow 振荡测试和训练精度？ 下一篇实现 RMSProp，但发现参考版本之间的差异