Vowpal Wabbit 上下文 Bandit 数据格式化

Question

我有两个关于格式化数据以进行上下文强盗模型训练的问题。

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 中了解到，每个功能后面都可以选择跟随一个浮点数。如果我将分类特征（例如我们，女性）作为值，那么重新格式化它们的最佳方法是什么？我想我不会给它们加上一个浮点后缀，让它们有一个默认值 1。我希望这能实现 one-hot 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。我对吗？

Answer 1

是的，你是对的。

输入特征格式为：与每个特征以空格分隔，<name>:<value>其中:<value>，如果存在，则必须是数字。

要表示分类值，您可以使用除和:之间的分隔符之外的其他内容。在这种情况下，整个字符串将被视为功能名称。这通常称为“one-hot 编码”（每个可能的特征+值组合都被视为一个单独的特征）。<name><value>

另请注意，特征名称12将直接哈希vw到哈希表中的槽 12（模 2^位），假设这是用户想要的，因为数字特征很常见（并且是 libSVM 约定）。--hash all可以通过命令行上的选项禁用此功能。默认值的--hash strings含义是：（murmur3）散列功能名称，看起来像字符串（不是整数），但保留（不散列）看起来像数字的功能名称。

另请参阅：如何在 vowpal-wabbit 中表示分类特征，其中包括用于表示 中输入特征的备忘单vw。