Factorization Machine 하이퍼파라미터

다음 표에는 Factorization Machines 알고리즘의 하이퍼파라미터가 나와 있습니다. 이들은 사용자가 데이터로부터 모델 파라미터의 예측을 촉진하기 위해 설정하는 파라미터입니다. 먼저 반드시 설정해야 하는 필수 하이퍼파라미터가 알파벳 순으로 나열되어 있습니다. 그 다음에 설정할 수 있는 선택적 하이퍼파라미터가 알파벳 순으로 나열되어 있습니다.

파라미터 이름	설명
feature_dim	입력 특징 공간의 차원. 희소 입력을 포함하여 매우 높을 수 있습니다. 필수 유효한 값: 양수. 제안 값 범위: [10000,10000000]
num_factors	인수분해의 차원. 필수 유효한 값: 양수. 제안된 값 범위: [2,1000], 64는 일반적으로 좋은 결과를 생성하므로 좋은 출발점이 됩니다.
predictor_type	예측기의 유형. binary_classifier: 이진 분류 작업용. regressor: 회귀 작업용. 필수 유효한 값: 문자열: binary_classifier 또는 regressor
bias_init_method	편향항에 대한 초기화 메서드: normal: 평균 값 0과 bias_init_sigma에 의해 지정된 표준편차가 포함된 정규 분포로부터 샘플링된 임의 값을 사용하여 가중치를 초기화합니다. uniform: [-bias_init_scale, +bias_init_scale]에 의해 지정된 범위로부터 균일하게 샘플링된 임의 값을 사용하여 가중치를 초기화합니다. constant: bias_init_value에 의해 지정된 스칼라 값으로 가중치를 초기화합니다. 선택 유효한 값: uniform, normal 또는 constant 기본값: normal
bias_init_scale	편향항 초기화 범위. bias_init_method가 uniform으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 없음
bias_init_sigma	편향항 초기화 표준편차. bias_init_method가 normal으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.01
bias_init_value	편향항의 초기 값. bias_init_method가 constant으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 없음
bias_lr	편향항에 대한 학습률. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.1
bias_wd	편향항에 대한 가중치 감소. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.01
clip_gradient	그라디언트 클리핑 옵티마이저 파라미터. 간격 [-clip_gradient, +clip_gradient]에 투사하여 그라디언트를 클리핑합니다. 선택 유효한 값: 부동 소수점. 기본값: 없음
epochs	실행할 훈련 epoch의 수. 선택 유효한 값: 양수 기본값: 1
eps	0으로 나누기를 방지하는 Epsilon 파라미터. 선택 유효한 값: 부동 소수점. 제안 값: 작음 기본값: 없음
factors_init_method	인수분해 항에 대한 초기화 메서드: normal: 평균 값 0과 factors_init_sigma에 의해 지정된 표준편차가 포함된 정규 분포로부터 샘플링된 임의 값을 사용하여 가중치를 초기화합니다. uniform: [-factors_init_scale, +factors_init_scale]에 의해 지정된 범위로부터 균일하게 샘플링된 임의 값을 사용하여 가중치를 초기화합니다. constant: factors_init_value에 의해 지정된 스칼라 값으로 가중치를 초기화합니다. 선택 유효한 값: uniform, normal 또는 constant. 기본값: normal
factors_init_scale	인수분해 항 초기화 범위. factors_init_method가 uniform으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 없음
factors_init_sigma	인수분해 항 초기화 표준편차. factors_init_method가 normal으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.001
factors_init_value	인수분해 항의 초기 값. factors_init_method가 constant으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 없음
factors_lr	인수분해 항에 대한 학습률. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.0001
factors_wd	인수분해 항에 대한 가중치 감소. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.00001
linear_lr	선형항에 대한 학습률. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.001
linear_init_method	선형항에 대한 초기화 메서드: normal: 평균 값 0과 linear_init_sigma에 의해 지정된 표준편차가 포함된 정규 분포로부터 샘플링된 임의 값을 사용하여 가중치를 초기화합니다. uniform: [-linear_init_scale, +linear_init_scale]에 의해 지정된 범위로부터 균일하게 샘플링된 임의 값을 사용하여 가중치를 초기화합니다. constant: linear_init_value에 의해 지정된 스칼라 값으로 가중치를 초기화합니다. 선택 유효한 값: uniform, normal 또는 constant. 기본값: normal
linear_init_scale	선형항 초기화 범위. linear_init_method가 uniform으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 없음
linear_init_sigma	선형항 초기화 표준편차. linear_init_method가 normal으로 설정된 경우에만 적용됩니다. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.01
linear_init_value	선형항의 초기 값. linear_init_method가 constant로 설정된 경우에만 적용됩니다. 선택 유효한 값: 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 없음
linear_wd	선형항에 대한 가중치 감소. 선택 유효한 값: 음수가 아닌 부동 소수점. 제안 값 범위: [1e-8, 512]. 기본값: 0.001
mini_batch_size	훈련용 미니 배치의 크기. 선택 유효한 값: 양수 기본값: 1000
rescale_grad	그라디언트 리스케일링 옵티마이저 파라미터. 설정된 경우 업데이트 전에 rescale_grad를 사용하여 경사를 곱합니다. 주로 1.0/batch_size를 선택합니다. 선택 유효한 값: 부동 소수점. 기본값: 없음