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，三者的类之间的关系如下图所示：  FM模型训练的父类为 fm_learn ，其定义在文件 fm_learn.h 中， fm_learn_sgd 类和 fm_learn_mcmc 类分别继承自 fm_learn 类。其中， fm_learn_sgd 是基于梯度的实现方法， fm_learn_mcmc 是基于蒙特卡洛的实现方法。 fm_learn_sgd_element 类和 fm_learn_sgd