MatrixFactorizationTrainer.Options.Alpha 欄位
定義
重要
部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。
一元矩陣分解中未取得專案遺失的重要性。 如果 LossFunction 設定為 ，則適用 SquareLossOneClass
public double Alpha;val mutable Alpha : doublePublic Alpha As Double 欄位值
備註
未取得 (的重要性，亦即單一矩陣分解中的負數) 專案遺失。 一般而言，定型中只有少數矩陣專案 (例如，在 (定型中少於 1%) ，也就是正) 。 若要平衡整體損失函式中未受觀察和觀察到的比重，此參數通常是較小的值，因此規劃求解器能夠找到同樣適合未觀察和觀察到的專案的分解。 如果只有 10000 個觀察到的專案存在於 200000-by-300000 訓練矩陣中，則可以嘗試 Alpha = 10000 / (2000000*300000 - 100000) 。 觀察到定型矩陣中的大部分專案時，可以使用 Alpha >> 1;例如，如果先前矩陣中只有 10000 個未觀察到，則可以嘗試 Alpha = (200000 * 300000 - 10000) / 10000。 因此，Alpha = (# 的觀察專案) / (# 的未觀察到專案，) 可以讓最小化遺失函式中觀察到和未觀察到的專案同樣重要。 不過，機器學習的最佳設定一律與資料相依，因此使用者仍然需要嘗試多個值。