华为云AI开发平台ModelArtsFM算法_云淘科技

概述

FM主要是解决稀疏数据下的特征组合问题,并且其预测的复杂度是线性的,对于连续和离散特征有较好的通用性。

公式为:

输入

参数

子参数

参数说明

inputs

dataframe

inputs为字典类型,dataframe为pyspark中的DataFrame类型对象

输出

spark pipeline类型的模型

参数说明

参数

参数含义

默认值

tensor_col_name

特征列名称。 数据格式为key:value,多个特征使用英文逗号(,)分隔。例如1:1.0,3:1.0

label_col_name

label列名。数据必须是数值类型。如果task取值为binary_classification,则label只能取0或1。

task

FM算法的训练模式(分类、回归)

binary_classification

dim

使用英文逗号(,)分隔的三个整数,分别表示0次项、线性项及二次项的长度。

1,1,8

num_epochs

迭代数。

100

learn_rate

学习率。

0.01

param_lambda

使用英文逗号(,)分隔的三个浮点数,分别表示0次项、线性项及二次项的正则化系数。

0.2,0.2,0.2

init_stdev

参数初始化标准差。

0.01

mini_batch_fraction

训练过程中,最小分片大小。

1

tol

判断收敛的忍受度。

0.1

pred_result_col_name

预测结果列名。

predictResultCol

pred_score_col_name

预测得分列名(在分类模型中存在)。

predictScoreCol

keep_col_names

保存至输出结果表的列。

数据样例:

算链样例

当训练特征维度高于1w的样本,建议使用CU64G 以上的资源。

父主题: 分类

同意关联代理商云淘科技,购买华为云产品更优惠(QQ 78315851)

内容没看懂? 不太想学习?想快速解决? 有偿解决: 联系专家