MatrixFactorizationTrainer.Options.Alpha Bidang
Definisi
Penting
Beberapa informasi terkait produk prarilis yang dapat diubah secara signifikan sebelum dirilis. Microsoft tidak memberikan jaminan, tersirat maupun tersurat, sehubungan dengan informasi yang diberikan di sini.
Pentingnya kehilangan entri yang tidak tertangguhkan dalam faktorisasi matriks satu kelas. Berlaku jika LossFunction diatur ke SquareLossOneClass
public double Alpha;val mutable Alpha : doublePublic Alpha As Double Nilai Bidang
Keterangan
Pentingnya kehilangan entri yang tidak diabaikan (yaitu negatif) dalam faktorisasi matriks satu kelas. Secara umum, hanya beberapa entri matriks (misalnya, kurang dari 1%) dalam pelatihan yang diamati (yaitu, positif). Untuk menyeimbangkan kontribusi dari tidak ditaati dan diamati dalam fungsi kerugian keseluruhan, parameter ini biasanya merupakan nilai kecil sehingga pemecah dapat menemukan faktorisasi yang sama baiknya untuk entri yang tidak ditaati dan diamati. Jika hanya 10000 entri yang diamati yang ada dalam matriks pelatihan 200000-by-300000, seseorang dapat mencoba Alpha = 10000 / (200000 * 300000 - 10000). Ketika sebagian besar entri dalam matriks pelatihan diamati, seseorang dapat menggunakan Alpha >> 1; misalnya, jika hanya 10000 dalam matriks sebelumnya tidak diamati, seseorang dapat mencoba Alpha = (200000 * 300000 - 10000) / 10000. Akibatnya, Alpha = (# entri yang diamati) / (# entri yang tidak ditaati) dapat membuat entri yang diamati dan tidak ditaati sama pentingnya dalam fungsi kehilangan yang diminimalkan. Namun, pengaturan terbaik dalam pembelajaran mesin selalu bergantung pada data sehingga pengguna masih perlu mencoba beberapa nilai.