6

您好有一个带有两个命名空间的 Vowpal Wabbit 文件，例如：

1.0 |A snow |B ski:10
0.0 |A snow |B walk:10
1.0 |A clear |B walk:10
0.0 |A clear |B walk:5
1.0 |A clear |B walk:100
1.0 |A clear |B walk:15

使用 -q AB，我可以获得交互项。有什么办法让我只保留交互项而忽略线性项？

换句话说，vw sample.vw -q AB --invert_hash sample.model现在的结果是这样的：

....
A^clear:24861:0.153737
A^clear^B^walk:140680:0.015292
A^snow:117127:0.126087
A^snow^B^ski:21312:0.015803
A^snow^B^walk:28234:-0.010592
B^ski:107733:0.015803
B^walk:114655:0.007655
Constant:116060:0.234153

我希望它是这样的：

....
A^clear^B^walk:140680:0.015292
A^snow^B^ski:21312:0.015803
A^snow^B^walk:28234:-0.010592
Constant:116060:0.234153

--keep 和 --ignore 选项不会产生预期的效果，因为它们似乎是在生成二次项之前考虑的。是否可以使用 vw 执行此操作，或者我是否需要创建所有组合的自定义预处理步骤？

4

1 回答 1

4

约翰兰福德（大众汽车的主要作者）写道： 目前没有一个好的方法可以做到这一点。最简单的方法是--ignore应用到foreach_feature<>源代码中的模板。

您可以使用技巧将每个原始示例转换为四个新示例：

1  |first:1  foo bar gah |second:1  loo too rah
-1 |first:1  foo bar gah |second:-1 loo too rah
1  |first:-1 foo bar gah |second:-1 loo too rah
-1 |first:-1 foo bar gah |second:1  loo too rah

这使得二次特征都与标签完全相关，而线性特征与标签的相关性为零。因此，温和的 l1 正则化应该会消除线性特征。

我怀疑这是否会提高性能足以引起关注（因此设计），但如果您确实发现它很有用，请告诉我们。

见原帖：

https://groups.yahoo.com/neo/groups/vowpal_wabbit/conversations/topics/2964 https://groups.yahoo.com/neo/groups/vowpal_wabbit/conversations/topics/4346

于 2014-12-18T11:52:49.413 回答