Maquinas de Factorizacion
La máquinas de factorización (FM) que son un nuevo modelo de clase que combina las ventajas
de SVM con modelos de factorización. Al igual que las SVM, las FM son un predictor general que
vector de características con valor real. En contraste con SVMs, los FMs interacciones entre variables utilizando parámetros factorizados. Así son capaces de estimar las interacciones incluso en problemas con sparsity, donde fallan SVMs. Lla ecuación modelo de FMs se puede calcular en tiempo lineal por lo tanto las FM pueden ser optimizadas directamente.
A diferencia de lo no lineal de SVMs, una transformación en la forma dual no es necesaria y los parámetros del modelo se pueden estimar directamente sin la necesidad de cualquier vector de soporte en la solución. Por otro lado, existen muchos modelos de factorización diferentes
Factorización de la matriz, análisis de factores paralelos o modelos como SVD ++, PITF o FPMC. El inconveniente de estos es que no son aplicables para las tareas generales de predicción pero sólo funcionan con datos de entrada especiales. Además su modelo las ecuaciones y los algoritmos de optimización se derivan individualmente para cada tarea.
- FMs combinan regresión lineal/polinomial con modelos de factorización.
- Interacción entre variables se aprenden vía representación low-rank.
- Es posible la estimación de observaciones no observadas.
- Se pueden calcular eficientemente y tienen una buena calidad de predicción.
