知识卡片
因子分解共享交互参数
稀疏数据中,某一对特征可能从未同时非零,独立的交互权重就缺少直接训练信号。因子分解机为每个特征配置向量 hᵢ,用 hᵢ·hⱼ 生成交互权重,使不同交互共享参数,可能从共同出现的其他组合中获得泛化能力。共享结构是归纳假设,不保证未见组合的权重一定正确。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 非全连接神经网络 6.2 因子分解机 · 查看原书依据
特征的稀疏性会带来一个问题
参考来源
- 位置:《用Python实现深度学习框架》第6章《非全连接神经网络》,6.2 因子分解机(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_052.html`)
- 结论依据:原文解释稀疏交互和低秩分解、给出示例代码与嵌入查表;边界依据矩阵秩、半正定性及 reshape 语义。
- 原始内容:特征的稀疏性会带来一个问题。