Vowpal Wabbit交互冗余

时间:2014-09-23 01:55:00

标签: feature-selection redundancy quadratic vowpalwabbit

我很想知道大众通过-q参数创建交互术语的方式。

为了说明的目的,我正在使用这个玩具数据,名为cats.vm:

1 |a black |b small  green |c numvar1:1.62 numvar2:342 |d cat |e numvar3:554
1 |a white |b large yellow |c numvar1:1.212 numvar2:562 |d cat |e numvar3:632
-1 |a black |b small green |c numvar1:12.03 numvar2:321 |d hamster |e numvar3:754
1 |a white |b large green |c numvar1:5.8 numvar2:782 |d dog |e numvar3:234
-1 |a black |b small yellow |c numvar1:2.322 numvar2:488 |d dog |e numvar3:265
1 |a black |b large yellow |c numvar1:3.99 numvar2:882 |d hamster |e numvar3:543

大众创建互动条款的方式似乎有些不一致。以下是几个示例,其中命令始终如下,只更改了-q:

vw -d cats.vm --loss_function logistic --invert_hash readable.cat.mod -q X

1。 -q aa

这里我们在命名空间内只有一个特征,只有一个特征,只能得到黑色和白色的二次项(黑色^ 2和白色^ 2)。

Constant:116060:0.082801
a^black:53863:-0.039097
a^black^a^black:247346:-0.039097
a^white:55134:0.223999
a^white^a^white:227140:0.223999
b^green:114666:0.027346
b^large:192199:0.330261
b^small:80587:-0.096200
b^yellow:255950:0.075754
c^numvar1:132428:0.004266
c^numvar2:30074:0.000211
d^cat:11261:0.188487
d^dog:173570:0.006734
d^hamster:247835:-0.085219
e^numvar3:12042:0.000115

2。 -q ab

通过两个名称空间(其中一个具有多于一个功能)之间的交互,除了a或b中没有项目的二次项(例如黑色*黑色)外,事情是预期的

问题1:有没有办法强制这些“跨命名空间互动”包含多项式术语,例如黑色*黑色?

Constant:116060:0.079621
a^black:53863:-0.035646
a^black^b^green:46005:-0.017797
a^black^b^large:123538:0.137239
a^black^b^small:11926:-0.088733
a^black^b^yellow:187289:-0.053135
a^white:55134:0.206693
a^white^b^green:24528:0.127449
a^white^b^large:102061:0.206693
a^white^b^yellow:165812:0.114003
b^green:114666:0.025218
b^large:192199:0.302959
b^small:80587:-0.088733
b^yellow:255950:0.072339
c^numvar1:132428:0.004038
c^numvar2:30074:0.000199
d^cat:11261:0.176863
d^dog:173570:0.007334
d^hamster:247835:-0.080986
e^numvar3:12042:0.000109

第3。 -q bb

这里我们在名称空间内进行交互,其中有两个功能。有重复项(例如b ^ large ^ b ^ green:81557:0.112864和b ^ green ^ b ^ large:110857:0.112864)。

问题2:模型中是否存在这些重复的术语,或者这是--invert_hash中的一些问题?所有重复的权重都相同。例如,我们应该将绿色*大的权重乘以2,以获得绿色和大型交互的全部效果吗?

Constant:116060:0.062784
a^black:53863:-0.043486
a^white:55134:0.182450
b^green:114666:0.023035
b^green^b^green:33324:0.023035
b^green^b^large:110857:0.112864
b^green^b^small:261389:-0.016840
b^large:192199:0.252576
b^large^b^green:81557:0.112864
b^large^b^large:159090:0.252576
b^large^b^yellow:222841:0.187498
b^small:80587:-0.079945
b^small^b^green:249481:-0.016840
b^small^b^small:215402:-0.079945
b^small^b^yellow:128621:-0.123284
b^yellow:255950:0.051017
b^yellow^b^large:68957:0.187498
b^yellow^b^small:219489:-0.123284
b^yellow^b^yellow:132708:0.051017
c^numvar1:132428:0.003217
c^numvar2:30074:0.000164
d^cat:11261:0.158140
d^dog:173570:0.008735
d^hamster:247835:-0.085383
e^numvar3:12042:0.000086

1 个答案:

答案 0 :(得分:6)

首先,基础: 当你跨越功能时,vowpal wabbit使用:

  • 对于交叉的要素名称/标识:连接的原始要素名称(字符串)的murmur32哈希(模数权重向量大小)
  • 对于交叉特征值:原始特征值(权重)的交叉(乘法)

所以看看上面的问题#3:连接的名字是 b^green^b^largeb^large^b^green。它们具有相同的值:0.112864,因为两个特征值的相乘是相同的。但是,由于两种可能的连接方式,我们得到两个不同的哈希值和一个“分裂”功能。这种冗余(具有转置顺序)特征对现象似乎只出现在自交叉中。我不知道为什么,这可能是一个错误。

回答其他问题(1和2):

要强制black^black(实际为^a^black^a^black),您需要传递-q aa,因为black仅位于名称空间a

请注意,您可以将多个-q参数传递给vw,以实现您想要的任何交叉:

-q aa -q ab -q ...

您可以使用通配符:名称空间互相跨越每个名称空间:

-q ::

获得更多权力:

还有一个--cubic选项,允许您拟合三次多项式。 --cubic将3个名称空间前导字符作为参数,例如--cubic abc

最后,您还可以使用--keep--ignore来保留或忽略以某个字符开头的名称空间。