FNN
模型是基於FM來做改進的，實際上是在FM上疊加NN。
- 輸入的是各種稀疏特徵
- 接下來經過FM層，去得到FM模型中對於特徵的隱向量
- 透過隱向量可構造出NN的輸入層z:z=(W0, Z1, Z2,…, Zn)，而Zi=(Wi, Vi1, Vi2,…, Vik)，其中Wi為FM中的一階權重Vi對應的隱向量。
- 最後連線NN層，得到最終的結果。
- 損失函式：L(y, ˆ y) = −ylog ˆ y − (1 − y)log(1 − ˆ y)
FNN最大的優勢是不需要進行特徵工程，其特徵由隱向量構建得到。
本作品採用《CC 協議》，轉載必須註明作者和本文連結
文章！！首發於我的部落格Stray_Camel(＾Ｕ＾)ノ~ＹＯ。