MatrixFactorizationTrainer.Options.Alpha Campo
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Importanza della perdita di voci non memorizzate nella fattorizzazione di matrice a una classe. Applicabile se LossFunction impostato su SquareLossOneClass
public double Alpha;val mutable Alpha : doublePublic Alpha As Double Valore del campo
Commenti
Importanza della perdita di voci non rilevate (ad esempio, negative) nella fattorizzazione della matrice a una classe. In generale, solo alcune voci di matrice (ad esempio, meno del 1%) nel training vengono osservate (ad esempio, positive). Per bilanciare i contributi da unobserved e osservato nella funzione di perdita complessiva, questo parametro è in genere un valore ridotto in modo che il risolutore sia in grado di trovare un fattoreizzazione altrettanto buono per le voci non rilevate e osservate. Se solo 10000 voci osservate presenti in una matrice di training 200000-by-3000000, è possibile provare Alfa = 10000/ (200000*300000 - 100000). Quando la maggior parte delle voci nella matrice di training viene osservata, è possibile usare Alfa 1; ad esempio, se solo 10000 nella matrice precedente non viene osservata, è possibile provare Alfa >> = (200000 * 300000 - 10000) / 10000. Di conseguenza, Alfa = (# delle voci osservate) / (# di voci non memorizzate) può rendere le voci osservate e non memorizzate altrettanto importanti nella funzione di perdita ridotta al minimo. Tuttavia, l'impostazione migliore in Machine Learning è sempre dipendente dai dati, quindi l'utente deve comunque provare più valori.