Mesin Faktorisasi Hyperparameters

Tabel berikut berisi hiperparameter untuk algoritma Mesin Faktorisasi. Ini adalah parameter yang ditetapkan oleh pengguna untuk memfasilitasi estimasi parameter model dari data. Hyperparameter yang diperlukan yang harus ditetapkan terdaftar terlebih dahulu, dalam urutan abjad. Hyperparameter opsional yang dapat diatur tercantum berikutnya, juga dalam urutan abjad.

Nama Parameter	Deskripsi
feature_dim	Dimensi ruang fitur input. Ini bisa sangat tinggi dengan input yang jarang. Diperlukan Nilai yang valid: Bilangan bulat positif. Rentang nilai yang disarankan: [10000,10000000]
num_factors	Dimensionalitas faktorisasi. Diperlukan Nilai yang valid: Bilangan bulat positif. Rentang nilai yang disarankan: [2.000], 64 biasanya menghasilkan hasil yang baik dan merupakan titik awal yang baik.
predictor_type	Jenis prediktor. binary_classifier: Untuk tugas klasifikasi biner. regressor: Untuk tugas regresi. Diperlukan Nilai yang valid: String: binary_classifier atau regressor
bias_init_method	Metode inisialisasi untuk istilah bias: normal: Menginisialisasi bobot dengan nilai acak yang diambil sampelnya dari distribusi normal dengan rata-rata nol dan standar deviasi yang ditentukan oleh. bias_init_sigma uniform: Menginisialisasi bobot dengan nilai acak yang diambil sampelnya secara seragam dari rentang yang ditentukan oleh [-, +]. bias_init_scale bias_init_scale constant: Menginisialisasi bobot ke nilai skalar yang ditentukan oleh. bias_init_value Opsional Nilai valid: uniform, normal, atau constant Nilai default: normal
bias_init_scale	Rentang untuk inisialisasi istilah bias. Berlaku jika bias_init_method diatur keuniform. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: Tidak ada
bias_init_sigma	Standar deviasi untuk inisialisasi istilah bias. Berlaku jika bias_init_method diatur kenormal. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,01
bias_init_value	Nilai awal dari istilah bias. Berlaku jika bias_init_method diatur keconstant. Opsional Nilai yang valid: Float. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: Tidak ada
bias_lr	Tingkat pembelajaran untuk istilah bias. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,1
bias_wd	Peluruhan berat untuk istilah bias. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,01
clip_gradient	Parameter pengoptimal kliping gradien. Klip gradien dengan memproyeksikan ke interval [-clip_gradient, +clip_gradient]. Opsional Nilai yang valid: Float Nilai default: Tidak ada
epochs	Jumlah zaman pelatihan untuk dijalankan. Opsional Nilai yang valid: Bilangan bulat positif Nilai default: 1
eps	Parameter Epsilon untuk menghindari pembagian dengan 0. Opsional Nilai yang valid: Float. Nilai yang disarankan: kecil. Nilai default: Tidak ada
factors_init_method	Metode inisialisasi untuk istilah faktorisasi: normalMenginisialisasi bobot dengan nilai acak yang diambil sampelnya dari distribusi normal dengan rata-rata nol dan standar deviasi yang ditentukan oleh. factors_init_sigma uniform: Menginisialisasi bobot dengan nilai acak yang diambil sampelnya secara seragam dari rentang yang ditentukan oleh [-, +]. factors_init_scale factors_init_scale constant: Menginisialisasi bobot ke nilai skalar yang ditentukan oleh. factors_init_value Opsional Nilai yang valid:uniform,normal, atauconstant. Nilai default: normal
factors_init_scale	Rentang untuk inisialisasi istilah faktorisasi. Berlaku jika factors_init_method diatur keuniform. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: Tidak ada
factors_init_sigma	Standar deviasi untuk inisialisasi istilah faktorisasi. Berlaku jika factors_init_method diatur kenormal. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,001
factors_init_value	Nilai awal istilah faktorisasi. Berlaku jika factors_init_method diatur keconstant. Opsional Nilai yang valid: Float. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: Tidak ada
factors_lr	Tingkat pembelajaran untuk istilah faktorisasi. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,0001
factors_wd	Peluruhan berat untuk istilah faktorisasi. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,00001
linear_lr	Tingkat pembelajaran untuk istilah linier. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,001
linear_init_method	Metode inisialisasi untuk istilah linier: normalMenginisialisasi bobot dengan nilai acak yang diambil sampelnya dari distribusi normal dengan rata-rata nol dan standar deviasi yang ditentukan oleh. linear_init_sigma uniformMenginisialisasi bobot dengan nilai acak yang diambil sampelnya secara seragam dari rentang yang ditentukan oleh [-, +]. linear_init_scale linear_init_scale constantMenginisialisasi bobot ke nilai skalar yang ditentukan oleh. linear_init_value Opsional Nilai yang valid:uniform,normal, atauconstant. Nilai default: normal
linear_init_scale	Rentang untuk inisialisasi istilah linier. Berlaku jika linear_init_method diatur keuniform. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: Tidak ada
linear_init_sigma	Standar deviasi untuk inisialisasi istilah linier. Berlaku jika linear_init_method diatur kenormal. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,01
linear_init_value	Nilai awal istilah linier. Berlaku jika linear_init_method diatur ke konstan. Opsional Nilai yang valid: Float. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: Tidak ada
linear_wd	Peluruhan berat untuk istilah linier. Opsional Nilai yang valid: Float non-negatif. Rentang nilai yang disarankan: [1e-8, 512]. Nilai default: 0,001
mini_batch_size	Ukuran mini-batch yang digunakan untuk pelatihan. Opsional Nilai yang valid: Bilangan bulat positif Nilai default: 1000
rescale_grad	Parameter pengoptimal penskalaan ulang gradien. Jika diatur, kalikan gradien dengan rescale_grad sebelum memperbarui. Sering memilih menjadi 1.0/batch_size. Opsional Nilai yang valid: Float Nilai default: Tidak ada