MatrixFactorizationTrainer.Options.Alpha Pole
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Znaczenie utraty nieobserwowanych wpisów w faktoryzacji macierzy jednoklasowej. Dotyczy, jeśli LossFunction ustawiono wartość SquareLossOneClass
public double Alpha;val mutable Alpha : doublePublic Alpha As Double Wartość pola
Uwagi
Ważność nieobserwowanej (tj. ujemnej) utraty wpisów w jednoklasowej factoryzacji macierzy. Ogólnie rzecz biorąc, zaobserwowano tylko kilka wpisów macierzy (np. mniej niż 1%) w treningu (tj. dodatnie). Aby zrównoważyć wkłady z nieobserwowanej i zaobserwowanej w ogólnej funkcji utraty, ten parametr jest zwykle małą wartością, dzięki czemu rozwiązanie może znaleźć współczynnikizację równie dobrą dla nieobserwowanych i obserwowanych wpisów. Jeśli tylko 10000 obserwowanych wpisów obecnych w macierzy treningowej 2000000 do 300000, można spróbować Alpha = 10000 / (200000*300000 - 10000). W przypadku obserwowania większości wpisów w macierzy treningowej można użyć alfa >> 1, na przykład jeśli nie zaobserwowano tylko 10000 w poprzedniej macierzy, można spróbować Alfa = (200000 * 300000 - 10000) / 10000. W związku z tym alfa = (# obserwowanych wpisów) / (# nieobserwowanych wpisów) może sprawić, że obserwowane i nieobserwowane wpisy są równie ważne w funkcji zminimalizowanej utraty. Jednak najlepsze ustawienie w uczeniu maszynowym jest zawsze zależne od danych, więc użytkownik nadal musi wypróbować wiele wartości.