特征交叉1：FM¶

FM现在不咋用了，了解一下。 特征交叉是把各种特征融合的方法，通过交叉可以引入非线性从而提高模型的精度。特征交叉在召回和排序中都可以应用。

线性¶

二阶交叉¶

直接二阶交叉参数太多了$\mathcal{O}(d^2)$。

参数矩阵U是对称矩阵，用低秩近似。于是我们得到了FM：

Factorization Machines是2010年提出的，想法和做法都比较简单。那个时代的模型还都是线性回归和逻辑回归。