Vowpal Wabbit 上下文强盗数据格式化
Vowpal Wabbit Contextual Bandit Data Formatting
我有 2 个关于为上下文老虎机模型训练格式化数据的问题。
如果我有如下数据...
1:1:0.2 | d1:us d2:female d3:12
问题 1) 我从 VW Wiki 上了解到，每个功能后面都可以选择跟一个浮点数。如果我将分类特征（例如我们，女性）作为值，重新格式化它们的最佳方法是什么？我在想我不会给它们加上浮点数的后缀，让它们的默认值为 1。我希望这能实现一次性编码。
问题 2) 我通过记录如下数据错误地训练了模型
1:1:0.2 | us female 12
我现在意识到 "us"、"female" 和“12”被视为默认值为 1 的特征。我说得对吗？
是的，你是对的。
输入特征格式为：space-separated，每个特征为 <name>:<value>，其中 :<value>，如果存在，必须是数字。
要表示分类值，您可以使用 : 以外的其他内容作为 <name> 和 <value> 之间的分隔符。在这种情况下，整个字符串将被视为特征名称。这通常称为 "one-hot encoding"（每个可能的特征+值组合都被视为一个单独的特征）。
另请注意，特征名称 12 将由 vw 直接散列到散列 table 中的槽 12（模 2^ 位），假设这是用户需要，因为数字特征很常见（并且是 libSVM 约定）。这可以通过命令行上的选项 --hash all 禁用。默认值是 --hash strings 意思是：(murmur3) hash feature-names 看起来像一个字符串（不是整数）但是单独留下（不要散列）看起来像数字的特征名称。
另请参阅：，其中包含一个 cheat-sheet，用于表示 vw 中的输入特征。
我有 2 个关于为上下文老虎机模型训练格式化数据的问题。
如果我有如下数据...
1:1:0.2 | d1:us d2:female d3:12
问题 1) 我从 VW Wiki 上了解到，每个功能后面都可以选择跟一个浮点数。如果我将分类特征（例如我们，女性）作为值，重新格式化它们的最佳方法是什么？我在想我不会给它们加上浮点数的后缀，让它们的默认值为 1。我希望这能实现一次性编码。
问题 2) 我通过记录如下数据错误地训练了模型
1:1:0.2 | us female 12
我现在意识到 "us"、"female" 和“12”被视为默认值为 1 的特征。我说得对吗？
是的，你是对的。
输入特征格式为：space-separated，每个特征为 <name>:<value>，其中 :<value>，如果存在，必须是数字。
要表示分类值，您可以使用 : 以外的其他内容作为 <name> 和 <value> 之间的分隔符。在这种情况下，整个字符串将被视为特征名称。这通常称为 "one-hot encoding"（每个可能的特征+值组合都被视为一个单独的特征）。
另请注意，特征名称 12 将由 vw 直接散列到散列 table 中的槽 12（模 2^ 位），假设这是用户需要，因为数字特征很常见（并且是 libSVM 约定）。这可以通过命令行上的选项 --hash all 禁用。默认值是 --hash strings 意思是：(murmur3) hash feature-names 看起来像一个字符串（不是整数）但是单独留下（不要散列）看起来像数字的特征名称。
另请参阅：vw 中的输入特征。