Vowpal Wabbit可讀模型

我正在使用Vowpal Wabbit，並且正在生成訓練成可讀模型的分類器。Vowpal Wabbit可讀模型

我的數據集有22個功能和可讀模型給出的輸出：

Version 7.2.1 
Min label:-50.000000 
Max label:50.000000 
bits:18 
0 pairs: 
0 triples: 
rank:0 
lda:0 
0 ngram: 
0 skip: 
options: 
:0 
101143:0.035237 
101144:0.033885 
101145:0.013357 
101146:-0.007537 
101147:-0.039093 
101148:-0.013357 
101149:0.001748 
116060:0.499471 
157941:-0.037318 
157942:0.008038 
157943:-0.011337 
196772:0.138384 
196773:0.109454 
196774:0.118985 
196775:-0.022981 
196776:-0.301487 
196777:-0.118985 
197006:-0.000514 
197007:-0.000373 
197008:-0.000288 
197009:-0.004444 
197010:-0.006072 
197011:0.000270

可有人請向我解釋如何解釋文件的最後部分（選項之後：）？我用的是邏輯迴歸，我需要檢查遍歷訓練如何更新我的分類，這樣，當我到達收斂我能理解......

感謝提前:)

來源

2014-01-17 Bokha

我是新來的Vowpal Wabbit你能告訴我用邏輯迴歸訓練數據的選項是什麼？以下是否足夠： 'vw -d train_output -f data。模型 - 失去功能邏輯 –

你看到的是值所有22個特徵的散列值和權重以及最終的訓練模型中的另一個「常量」特徵（其散列值爲116060）。

格式爲：

使用utl/vw-varinfo（源：
```
hash_value:weight 
```
爲了看到你的原始特徵名稱，而不是哈希值，你可以使用以下兩種方法之一樹）實用程序與您用於培訓的選項相同。嘗試utl/vw-varinfo用於幫助/用法信息
使用相對較新的--invert_hash readable.model選項

BTW：反轉的哈希值回原來的功能名稱不是默認由於大的性能損失。默認情況下，vw對其看到的每個要素字符串應用單向散列。它不會在特徵名稱和它們的哈希值之間保持哈希映射。

編輯：

另一個小珍聞可能感興趣的是options:後的第一項內容是：

:0

它實質上意味着任何「其他」功能（所有那些不在訓練集中，因此沒有散列到權向量中）默認爲0的權重。這意味着在vowpal-wabbit中對於值爲零的特徵進行訓練是多餘的，無論如何這是默認值。明確的:0值特性根本不會對模型做任何貢獻。當你在你的訓練集中忽略一個重量時，如：feature_name沒有結尾:<value> vowpal wabbit隱含地認爲它是一個二進制特徵，其值爲TRUE。 IOW：默認所有無值功能，值爲1（:1），而不是零值（:0）。 HTH。

來源

2014-01-20 01:30:06 arielf

Vowpal Wabbit現在還有一個--invert_hash選項，它將爲您提供一個具有實際變量以及哈希值的可讀模型。

它消耗的LOT更多的內存，但由於你的模型看起來很小，它可能會工作。

來源

2014-03-31 16:05:32 Zach

Vowpal Wabbit可讀模型

回答

相關問題