我有2個關於格式化上下文強盜模型訓練數據的問題。Vowpal Wabbit上下文強盜數據格式化
如果我有諸如以下數據...
1:1:0.2 | d1:us d2:female d3:12
問題1）I從VW維基讀，每一個特徵是任選地隨後通過浮法。如果我有分類特徵（例如我們，女性）作爲價值觀，那麼重新格式化它們的最佳方式是什麼？我想我只是不會將它們後綴爲浮點數，讓它們的默認值爲1.我希望這將實現單熱編碼。
問題2）我已經通過登錄數據如下
1:1:0.2 | us female 12
被錯誤地訓練模型我現在知道的是，「我們」，「女」和「12」爲治療特色默認值爲1.我正確嗎？
是的，你是對的。
輸入要素格式爲：以<name>:<value>的每個要素空格分隔，其中:<value>（如果存在）必須是數字。
要表示分類值，您可以使用:以外的其他值作爲<name>和<value>之間的分隔符。在這種情況下，整個字符串將被視爲功能名稱。這通常被稱爲「單熱編碼」（每個可能的特徵+值組合被視爲單獨的特徵）。
還要注意的是特徵名稱12將由vw被散列直接在哈希表槽12（模2 ^比特），假設這是用戶想要的，因爲數字特徵是常見的（並且是LIBSVM公約）。這可以通過命令行上的選項--hash all禁用。缺省值是--hash strings含義：（murmur3）哈希要素名稱，它看起來像一個字符串（不是整數），而是獨立（不哈希）看起來像數字的特徵名稱。
參見：How to represent categorical features in vowpal-wabbit其包括備忘單用於vw代表輸入特徵。