← 返回卡片

原书出处

深度学习推荐系统

02 第2章 前深度学习时代——推荐系统的进化之路

核验版本的摘录快照 · 导入于 2026-11-19T07:39:55.619Z

一定程度上解决了特征组合的问题。POLY2模型本质上仍是线性模型,其训练方法与逻辑回归并无区别,因此便于工程上的兼容。

但POLY2模型存在两个较大的缺陷。 (1)在处理互联网数据时,经常采用 one-hot 编码的方法处理类别型数据,致使特征向量极度稀疏,POLY2进行无选择的特征交叉——原本就非常稀疏的特征向量更加稀疏,导致大部分交叉特征的权重缺乏有效的数据进行训练,无法收敛

。 (2)权重参数的数量由n直接上升到n2,极大地增加了训练复杂度。 基础知识——什么是one-hot编码 one-ho

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习推荐系统/_epub-src/text/part0006_split_005.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382