FM 和SVM的区别有哪些？

FM和SVM最大的不同，在于特征组合时权重的计算方法

SVM的二元特征交叉参数是独立的，而FM的二元特征交叉参数是两个k维的向量 v_i，v_j ，交叉参数不是独立的，而是互相影响的

FM可以在原始形式下进行优化学习，而基于kernel的非线性SVM通常需要在对偶形式下进行

FM的模型预测与训练样本独立，而SVM则与部分训练样本有关，即支持向量.

FM模型有两个优势：

在高度稀疏的情况下特征之间的交叉仍然能够估计，而且可以泛化到未被观察的交叉参数的学习和模型的预测的时间复杂度是线性的