MatrixFactorizationTrainer.Options.Alpha Campo
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Importância da perda de entradas não observadas na fatoração de matriz de uma classe. Aplicável se LossFunction definido como SquareLossOneClass
public double Alpha;val mutable Alpha : doublePublic Alpha As Double Valor do campo
Comentários
Importância da perda de entradas não observadas (ou seja, negativas) na fatoração de matriz de uma classe. Em geral, apenas algumas entradas de matriz (por exemplo, menos de 1%) no treinamento são observadas (ou seja, positivas). Para equilibrar a contribuições de não observada e observada na função de perda geral, esse parâmetro geralmente é um valor pequeno para que o solucionador possa encontrar uma factorização igualmente boa para entradas não observadas e observadas. Se apenas 10000 entradas observadas estiverem presentes em uma matriz de treinamento 200000 por-300000, será possível experimentar Alpha = 10000 / (200000*300000 - 10000). Quando a maioria das entradas na matriz de treinamento é observada, pode-se usar Alfa >> 1; por exemplo, se apenas 10000 na matriz anterior não for observado, é possível experimentar Alpha = (200000 * 300000 - 10000) / 10000. Consequentemente, Alfa = (nº de entradas observadas) / (nº de entradas não observadas) pode tornar as entradas observadas e não observadas igualmente importantes na função de perda minimizada. No entanto, a melhor configuração no aprendizado de máquina é sempre dependente de dados, portanto, o usuário ainda precisa tentar vários valores.