Sdílet prostřednictvím

MatrixFactorizationTrainer.Options.Alpha Pole

  • Reference

Definice

Obor názvů:
Microsoft.ML.Trainers
Sestavení:
Microsoft.ML.Recommender.dll
Balíček:
Microsoft.ML.Recommender v0.21.1

Důležitost ztráty nepozorovaných položek při faktorizaci matice jedné třídy. Platí, pokud LossFunction je nastavená na SquareLossOneClass

public double Alpha;
val mutable Alpha : double
Public Alpha As Double

Hodnota pole

Double

Poznámky

Důležitost nepozorované (tj. záporné) ztráty položek při faktorizaci matice jedné třídy. Obecně platí, že pouze několik položek matice (např. méně než 1 %) v trénování je pozorováno (tj. pozitivní). Pro vyvážení příspěvků z nepozorovaných a pozorovaných v celkové ztrátové funkci je tento parametr obvykle malou hodnotou, aby řešitel mohl najít faktorizaci stejně dobrou pro nepozorované a pozorované položky. Pokud se v trénovací matici 200000 by-300000 vyskytuje pouze 10000 pozorovaných položek, můžete vyzkoušet Alfa = 10000 / (200000*300000 - 10000). Při pozorování většiny položek v trénovací matici lze použít alfa >> 1. Pokud například není v předchozí matici pozorováno pouze 10 000, můžete zkusit alfa = (200000 × 300000 - 10000) / 10000. V důsledku toho může alfa = (počet pozorovaných položek) / (počet nepozorovaných položek) učinit pozorované a nepozorované položky stejně důležité ve funkci minimalizované ztráty. Nejlepší nastavení ve strojovém učení je ale vždy závislé na datech, takže uživatel stále musí vyzkoušet více hodnot.

Platí pro