vowpal wabbit 使用了什么样的特征提取器？
What kind of feature extractor is used in vowpal wabbit?
在sklearn when we pass sentence to algorithms we can use text features extractors like the countvectorizer, tf-idf vectoriser等...我们得到一个浮点数数组。
但是当传递给 vowpal wabbit 输入文件时我们得到的是这样的：
-1 |Words The sun is blue
1 |Words The sun is yellow
vowpal wabbit 的内部实现使用了什么？这段文字如何转换？
这里有两个不同的问题：
Q1: 为什么你不能（也不应该）使用像 [=11 这样的转换=] 当使用 vowpal wabbit ?
A1: vowpal wabbit 不是批量学习系统，它是在线学习系统。为了计算 tf-idf（每个文档中的词频与整个语料库中的词频）这样的度量，您需要先查看 all 数据（语料库），有时还要进行多次传递数据。 vowpal wabbit 作为一个 online/incremental 学习系统，旨在解决您 没有完整数据的问题提前时间。参见 This answer for a lot more details。
Q2: vowpal wabbit"transform"它看到的特征如何？
A2: 没有。它只是将每个单词特征即时映射到内存中的哈希位置。在线学习步骤由重复优化循环驱动（SGD or BFGS) example by example, to minimize the modeling error. You may select the loss function 优化。
但是，如果您已经拥有要训练的完整数据，那么在将转换后的值提供给 vowpal wabbit 之前，没有什么能阻止您对其进行转换（使用任何其他工具）。这是你的选择。根据特定的数据，使用转换预传递可能会得到更好或更差的结果，而不是 运行 多次传递 vowpal wabbit 本身没有初步转换（检查 vw --passes 选项).
为了完成答案，让我们添加另一个相关问题：
Q3: 我可以使用预转换（例如tf-idf）的数据吗vowpal wabbit ?
A3: 是的，你可以。只需使用以下（post-转换）形式。代替单词，使用整数作为特征 ID，并且由于任何特征都可以有一个可选的显式权重，使用 tf-idf 浮点数作为权重，在典型 SVMlight 格式的 : 分隔符之后：
-1 | 1:0.534 15:0.123 3:0.27 29:0.066 ...
1 | 3:0.1 102:0.004 24:0.0304 ...
之所以可行，是因为 vw 有一个很好的区分字符串和整数特征的特性。它不会散列看起来像整数的特征名称（除非您明确使用 --hash_all 选项）。直接使用整数特征编号，就好像它们是特征的哈希结果。
在sklearn when we pass sentence to algorithms we can use text features extractors like the countvectorizer, tf-idf vectoriser等...我们得到一个浮点数数组。
但是当传递给 vowpal wabbit 输入文件时我们得到的是这样的：
-1 |Words The sun is blue
1 |Words The sun is yellow
vowpal wabbit 的内部实现使用了什么？这段文字如何转换？
这里有两个不同的问题：
Q1: 为什么你不能（也不应该）使用像 [=11 这样的转换=] 当使用 vowpal wabbit ?
A1: vowpal wabbit 不是批量学习系统，它是在线学习系统。为了计算 tf-idf（每个文档中的词频与整个语料库中的词频）这样的度量，您需要先查看 all 数据（语料库），有时还要进行多次传递数据。 vowpal wabbit 作为一个 online/incremental 学习系统，旨在解决您 没有完整数据的问题提前时间。参见 This answer for a lot more details。
Q2: vowpal wabbit"transform"它看到的特征如何？
A2: 没有。它只是将每个单词特征即时映射到内存中的哈希位置。在线学习步骤由重复优化循环驱动（SGD or BFGS) example by example, to minimize the modeling error. You may select the loss function 优化。
但是，如果您已经拥有要训练的完整数据，那么在将转换后的值提供给 vowpal wabbit 之前，没有什么能阻止您对其进行转换（使用任何其他工具）。这是你的选择。根据特定的数据，使用转换预传递可能会得到更好或更差的结果，而不是 运行 多次传递 vowpal wabbit 本身没有初步转换（检查 vw --passes 选项).
为了完成答案，让我们添加另一个相关问题：
Q3: 我可以使用预转换（例如tf-idf）的数据吗vowpal wabbit ?
A3: 是的，你可以。只需使用以下（post-转换）形式。代替单词，使用整数作为特征 ID，并且由于任何特征都可以有一个可选的显式权重，使用 tf-idf 浮点数作为权重，在典型 SVMlight 格式的 : 分隔符之后：
-1 | 1:0.534 15:0.123 3:0.27 29:0.066 ...
1 | 3:0.1 102:0.004 24:0.0304 ...
之所以可行，是因为 vw 有一个很好的区分字符串和整数特征的特性。它不会散列看起来像整数的特征名称（除非您明确使用 --hash_all 选项）。直接使用整数特征编号，就好像它们是特征的哈希结果。