《表1 基于特征重要度的Se Deep FM与其他模型在两个数据集上的表现》
本次实验将LR设置为基线模型,从表1我们可以看出,FM和DNN的AUC相比LR有了大幅提升进一步说明特征交叉的重要性。Se Deep FM在Deep FM的基础上通过SENET模块动态学习特征的重要程度,同时将FM和DNN的输出进行拼接并通过多层感知机层进一步学习特征的高阶组合信息,从而在两个公开数据集上得到最好的表现。
图表编号 | XD00187242100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 周菲 |
绘制单位 | 东华理工大学 |
更多格式 | 高清、无水印(增值服务) |