大家好，又见面了，我是你们的朋友全栈君。
在推荐系统和计算广告业务中，点击率CTR（click-through rate）和转化率CVR（conversion rate）是衡量流量转化的两个关键指标。准确的估计CTR、CVR对于提高流量的价值，增加广告及电商收入有重要的指导作用。
无论使用什么类型的模型，点击率这个命题可以被归纳到二元分类的问题，我们通过单个个体的特征，计算出对于某个内容，是否点击了，点击了就是1，没点击就是0。对于任何二元分类的问题，最后我们都可以归结到逻辑回归上面。
- 早期的人工特征工程 + LR(Logistic Regression)：这个方式需要大量的人工处理，不仅需要对业务和行业有所了解，对于算法的经验要求也十分的高。
- GBDT(Gradient Boosting Decision Tree) + LR：提升树短时这方面的第二个里程碑，虽然也需要大量的人工处理，但是由于其的可解释性和提升树对于假例的权重提升，使得计算准确度有了很大的提高。
- FM-FFM：FM和FFM模型是最近几年提出的模型，并且在近年来表现突出，分别在由Criteo和Avazu举办的CTR预测竞赛中夺得冠军，使得到目前为止，还都是以此为主的主要模型占据主导位置。
- Embedding模型可以理解为FFM的一个变体。
一、LR模型
LR是一种宽而不深的结构，所有的特征直接作用在最后的输出结果上。模型优点是简单、可控性好，但是效果的好坏直接取决于特征工程的程度，需要非常精细的连续型、离散型、时间型等特征处理及特征组合。通常通过正则化等方式控制过拟合。
二、FM模型
因子分解机（Factorization Machine, FM）是由Steffen Rendle提出的一种基于矩阵分解的机器学习算法，其主要用于解决数据稀疏的业务场景（如推荐业务），特征怎样组合的问题。
paper指出FM与SVM相比，有如下优势：
- FM可以实现非常稀疏数据参数估计，而SVM会效果很差，因为训出的SVM模型会面临较高的bias；
- FMs拥有线性的复杂度, 可以通过 primal 来优化而不依赖于像SVM的支持向量机；
FM（Factorization Machines，因子分解机），在数据非常稀疏的情况下，依然能估计出可靠的参数进行预测。与传统的简单线性模型不同的是，因子分解机考虑了特征间的交叉，对所有嵌套变量交互进行建模（类似于SVM中的核函数），因此在推荐系统和计算广告领域关注的点击率CTR（click-through rate）和转化率CVR（conversion rate）两项指标上有着良好的表现。此外，FM的模型还具有可以用线性时间来计算，以及能够与许多先进的协同过滤方法相融合等优点。
线性模型建模为如下公式：
对于二分类问题则需要在上式的基础上添加一个对数几率回归：
线性模型的优点是简单、方便、易于求解，但缺点在于线性模型中假设不同特征之间是独立的，即特征 不会相互影响。为了解决简单线性模型无法学得特征间交叉影响的问题，SVM通过引入核函数来实现特征的交叉，实际上和多项式模型是一样的，这里以只考虑两个特征交叉的二阶多项式模型为例：
上式也可以称为Poly2(degree-2 poly-nomial mappings)模型
模型覆盖了LR的宽模型结构，同时也引入了交叉特征，增加模型的非线性，提升模型容量，能捕捉更多的信息. 从公式来看，模型前半部分就是普通的LR线性组合，后半部分的交叉项即特征的组合。单从模型表达能力上来看，FM的表达能力是强于LR的，至少不会比LR弱，当交叉项参数全为0时退化为普通的LR模型。
多项式模型的问题在于二阶项的参数过多，设特征维数为 n，那么二阶项的参数数目为 n(n-1)/2。
任意两个参数都是独立的。然而，在数据稀疏性普遍存在的实际应用场景中，二次项参数的训练是很困难的.
对于广告点击率预估问题，由于存在大量id特征，导致 n 可能为 维，这样一来，模型参数的量级为 ，这比样本量多得多！这导致只有极少数的二阶组合模式才能在样本中找到，而绝大多数模式在样本中找不到，因而模型无法学出对应的权重。
为此，Rendle于2010年提出FM模型，它能很好的求解上式，其特点如下：
- FM模型可以在非常稀疏的情况下进行参数估计
- FM模型是线性时间复杂度的，可以直接使用原问题进行求解，而且不用像SVM一样依赖支持向量。
- FM模型是一个通用的模型，其训练数据的特征取值可以是任意实数。而其它最先进的分解模型对输入数据有严格的限制。FMs可以模拟MF、SVD++、PITF或FPMC模型。
FM模型原理
在矩阵分解，一个rating可以分解为user矩阵和item矩阵，如下图所示：
分解后得到user和item矩阵的维度分别为nk和km，（k一般由用户指定），相比原来的rating矩阵，空间占用得到降低，并且分解后的user矩阵暗含着user偏好，Item矩阵暗含着item的属性，而user矩阵乘上item矩阵就是rating矩阵中用户对item的评分。因此，参考矩阵分解的过程，FM模型也将上式的二次项参数
进行分解:
通过上式得变换，因子分解机的二次项的复杂度简化到O(kn)。
FM例子
上图是一个人造的广告CTR的数据例子，代表的意思是在某个网站（Publisher）上刊登一则广告（Advertiser），某个用户（用户性别特征Gender）是否会点击某条广告的数据。
这个例子中假设包含三个特征域（Field）:
网站Publisher(可能的特征值是ESPN、Vogue、NBC)、
广告Advertiser（可能的特征值是Nike、Adidas、Gucci）
性别Gender(可能的特征值是Male、Female)。
由这个例子可以看出组合特征的重要性：
如果在体育网站ESPN上发布Nike的广告，那么100次展现，80次会被点击，而20次不会被点击。
意味着组合特征（Publisher=”ESPN” and Advertiser=”Nike”）是个很强的预测用户是否点击的二阶组合特征。
FM模型在做二阶特征组合的时候，对于每个二阶组合特征的权重，是根据对应两个特征的Embedding向量内积，来作为这个组合特征重要性的指示。当训练好FM模型后，每个特征都可以学会一个特征embedding向量，如上图所示。当做预测的时候，比如我们接收到上面例子的数据，需要预测用户是否会点击这条广告，则对三个特征做两两组合，每个组合特征的权重，可以根据两个对应的特征embedding内积求得，对所有组合特征求和后，套接Sigmoid函数即可做出二分类预测。
三、FFM模型
FFM(Field Factorization Machine)是在FM的基础上引入了“场（Field）”的概念而形成的新模型。在FM中的特征 与其他特征的交叉时，特征 使用的都是同一个隐向量 。而FFM将特征按照事先的规则分为多个场(Field)，特征属于某个特定的场F。每个特征将被映射为多个隐向量 ，每个隐向量对应一个场。当两个特征 ,组合时，用对方对应的场对应的隐向量做内积。
FFM例子
对于FM模型来说，每个特征学会唯一的一个特征embedding向量。注意，和FFM的最大不同逐渐出现，为了更容易向FFM模型理解过渡，我们可以这么理解FM模型中的某个特征的embedding，我们拿ESPN这个特征作为例子，当这个特征和其它特征域的某个特征进行二阶特征组合的时候，不论哪个特征域的特征和ESPN这个特征进行组合，ESPN这个特征都反复使用同一个特征embedding去做内积。也可以理解为ESPN这个特征在和不同特征域特征进行组合的时候，共享了同一个特征向量。
沿着这个思路思考，我会问出一个问题：我们可以改进下FM模型吗？ESPN这个特征和不同特征域特征进行组合的时候，可以使用不同的特征向量吗？
既然FM模型的某个特征，在和任意其它特征域的特征进行组合求权重的时候，共享了同一个特征向量。那么，如果我们把这个事情做地更细致些，比如ESPN这个特征，当它和Nike（所属特征域Advertiser）组合的时候用一个特征embedding向量，而当它和Male(所属特征域Gendor)组合的时候，使用另外一个特征embedding向量，这样是否在描述特征组合的时候更细腻一些？
也就是说，当ESPN这个特征（属于Publisher网站这个域）和属于广告Advertiser这个域的特征进行组合的时候，用一个特征embedding；和属于性别Gender这个特征域的特征进行组合的时候，用另外一个特征embedding。
这意味着，如果有F个特征域，那么每个特征由FM模型的一个k维特征embedding，拓展成了（F-1）个k维特征embedding。之所以是F-1，而不是F，是因为特征不和自己组合，所以不用考虑自己。
上图展示了这个过程，因为这个例子有三个特征域，所以ESPN（属于Publisher网站这个域站）有两个特征embedding，
当和Nike特征组合的时候，用的是针对网站Advertisor这个特征域的embedding去做内积；
而当和Male这个特征组合的时候，则用的是针对性别Gender这个特征域的embedding去做内积。
同理，Nike和Male这两个特征也是根据和它组合特征所属特征域的不同，采用不同的特征向量去做内积。
而两两特征组合这个事情的做法，FFM和FM则是完全相同的，区别就是每个特征对应的特征embedding个数不同。
FM每个特征只有一个共享的embedding向量，
而对于FFM的一个特征，则有（F-1）个特征embedding向量，用于和不同的特征域特征组合时使用。
从上面的模型演化过程，我们可以推出，假设模型具有n个特征，那么FM模型的参数量是n*k（暂时忽略掉一阶特征的参数），其中k是embedding特征向量大小。
而FFM模型的参数量呢？因为每个特征具有（F-1）个k维特征向量，所以它的模型参数量是(F-1)nk，也就是说参数量比FM模型扩充了(F-1)倍。
这意味着，如果我们的任务有100个特征域，FFM模型的参数量就是FM模型的大约100倍。
这其实是很恐怖的，因为现实任务中，特征数量n是个很大的数值，特征域几十上百也很常见。
正因为FFM模型参数量太大，所以在训练FFM模型的时候，很容易过拟合，需要采取早停等防止过拟合的手段。而根据经验，FFM模型的k值可以取得小一些，一般在几千万训练数据规模下，取8到10能取得较好的效果，当然，k具体取哪个数值，这其实跟具体训练数据规模大小有关系，理论上，训练数据集合越大，越不容易过拟合，这个k值可以设置得越大些。
下面的图来很好的表示了三个模型的区别：
参考：
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/133460.html原文链接：https://javaforall.cn
