FM算法以及常用python库
Factorization Machines:
适用于高维稀疏数据集进行特征组合，发现特征隐藏信息。在CTR，推荐系统中用的很多，这些情况下我也没有用过。 通过目标函数可以看出，比起线性模型，FM算法增加了两个变量相互作用的效果。
二分类算法的损失函数：
通过随机梯度下降更新参数： 另外两个了解不深入的概念：
ffm: 在fm基础上加入field概念，我的理解是适用于将one hot编码后的一系列特征归为一个field。
deepfm：在fm基础上加入深度学习概念，适用于挖掘更多变量相乘的影响，单纯用fm增加维度效率很低。
放一段别人写的适用于小数据集的FM代码，完全根据上述思路来写的： https://github.com/GreenArrow2017/MachineLearning/blob/master/MachineLearning/Factorization%20Machine/FM.py
FM实现常用库：
以下库均适用于二分类模型或回归模型。 pyfm:p