LibFM 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
LibFM 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
LibFM 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
LibFM 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
LibFM 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !

软件简介

LibFM是专门用于矩阵分解的利器,尤其是其中实现了MCMC(Markov Chain Monte Carlo)优化算法,比常见的SGD(随即梯度下降)优化方法精度要高(当然也会慢一些)

介绍 via resyschina

展开阅读全文

评论 (0)

加载中
更多评论
暂无内容
发表了博客
2020/08/08 15:04

机器学习算法实现解析——libFM之libFM的训练过程概述

本节主要介绍的是libFM源码分析的第四部分——libFM的训练。 FM模型的训练是FM模型的核心的部分。 4.1、libFM中训练过程的实现 在FM模型的训练过程中,libFM源码中共提供了四种训练的方法,分别为:Stochastic Gradient Descent(SGD),Adaptive SGD(ASGD),Alternating Least Squares(ALS)和Markov Chain Monte Carlo(MCMC),其中ALS是MCMC的特殊形式,实际上其实现的就是SGD,ASGD和MCMC三种训练方法,三者的类之间的关...

0
0
发表了博客
2019/03/04 20:00

将libFM模型变换成tensorflow可serving的形式

fm_model是libFM生成的模型 model.ckpt是可以tensorflow serving的模型结构 亲测输出正确。 代码: 1 import tensorflow as tf 2 3 # libFM model 4 def load_fm_model(file_name): 5 state = '' 6 fid = 0 7 max_fid = 0 8 w0 = 0.0 9 wj = {} 10 v = {} 11 k = 0 12 with open(file_name) as f: 13 for line in f: 14 line = line.rstrip() 15 ...

0
0
发表于服务端专区
2016/05/10 10:37

libfm open a app

Step 1: ``` void FileMenu::onOpenTriggered() { if(fileLauncher_) { fileLauncher_->launchFiles(NULL, files_); } else { // use the default launcher Fm::FileLauncher launcher; launcher.launchFiles(NULL, files_); } } ``` Step 2: ``` bool launchFiles(QWidget* parent, FmFileInfoList* file_infos) { GList* fileList = fm_file_info_list_peek_head_link(file_infos); return launchFiles(parent, fileList); } ...

0
0
发表了博客
2019/06/23 18:05

Python基于机器学习方法实现的电影推荐系统

推荐算法在互联网行业的应用非常广泛,今日头条、美团点评等都有个性化推荐,推荐算法抽象来讲,是一种对于内容满意度的拟合函数,涉及到用户特征和内容特征,作为模型训练所需维度的两大来源,而点击率,页面停留时间,评论或下单等都可以作为一个量化的 Y 值,这样就可以进行特征工程,构建出一个数据集,然后选择一个合适的监督学习算法进行训练,得到模型后,为客户推荐偏好的内容,如头条的话,就是咨询和文章,美团的就是...

0
0
发表于开发技能专区
2014/04/29 22:50

TOP 10 开源的推荐系统简介

最 近这两年推荐系统特别火,本文搜集整理了一些比较好的开源推荐系统,即有轻量级的适用于做研究的SVDFeature、LibMF、LibFM等,也有重 量级的适用于工业系统的 Mahout、Oryx、EasyRecd等,供大家参考。PS:这里的top 10仅代表个人观点。 #1.SVDFeature 主页:http://svdfeature.apexlab.org/wiki/Main_Page 语言:C++ 一个feature-based协同过滤和排序工具,由上海交大Apex实验室开发,代码质量较高。在KDD Cup 2012中获得第一...

0
12
发表了博客
2019/07/30 20:32

DeepFM: A Factorization-Machine based Neural Network for CTR Prediction (2017)论文要点

论文链接: https://arxiv.org/pdf/1703.04247.pdf FM原理参考: Factorization Machines with libFM 论文阅读 https://www.cnblogs.com/yaoyaohust/p/10225055.html GBDT,FM,FFM推导 https://www.cnblogs.com/yaoyaohust/p/7865379.html 类别型特征one-hot编码,连续型特征直接表示或者离散化后one-hot编码。 核心思想就是拿FM模型输出的交叉项权重当做embedding使用,FM和Deep分量共用这个embedding。 因此不用预训练(因为...

0
0
发表了博客
2018/07/16 15:04

推荐系统与知识图谱(1)

Reference: 推荐算法不够精准?让知识图谱来解决 个性化推荐系统作为一种信息过滤的重要手段,是当前解决信息超载问题的最有效的方法之一,是面向用户的互联网产品的核心技术。 推荐系统的任务和难点 按照预测对象的不同,推荐系统一般可以分成两类:一类是评分预测(rating prediction),例如在电影类应用中,系统需要预测用户对电影的评分,并以此为根据推送其可能喜欢的电影。这种场景下的用户反馈信息表达了用户的喜好程度...

0
0
发表了博客
01/05 07:25

推荐系统与知识图谱(1)

Reference: 推荐算法不够精准?让知识图谱来解决 个性化推荐系统作为一种信息过滤的重要手段,是当前解决信息超载问题的最有效的方法之一,是面向用户的互联网产品的核心技术。 推荐系统的任务和难点 按照预测对象的不同,推荐系统一般可以分成两类:一类是评分预测(rating prediction),例如在电影类应用中,系统需要预测用户对电影的评分,并以此为根据推送其可能喜欢的电影。这种场景下的用户反馈信息表达了用户的喜好程度...

0
0
发表了博客
2019/09/23 10:31

linux xlearn安装

机器学习中的又一个利器,广泛用于Kaggle或类似的数据比赛。  xlearn的优势: 1.通用性好,包括主流的算法(lr, fm, ffm 等),用户不用再切换于不同软件之间 2.性能好,测试 xLearn 可以比 libfm 快13倍,比 libffm 和 liblinear 快5倍 3.易用性和灵活性,xLearn 提供简单的 python 接口,并且集合了机器学习比赛中许多有用的功能 4.可扩展性好。xLearn 提供 out-of-core 计算,利用外存计算可以在单机处理 1TB 数据 二、xle...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
3 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部