python - (vowpal wabbit) 处理新上下文的上下文强盗
问题描述
最后几天,我正在尝试训练一个上下文强盗算法 throw Vowpalwabbit,所以我正在做一些玩具模型,可以帮助我理解算法是如何工作的。
所以我想象了一个有 4 种可能动作的状态,并在两个不同的上下文中训练我的模型。每个上下文在 4 个动作中只有一个最优动作。
我就是这样做的。
vw = pyvw.vw("--cb_explore 4 -q UA --epsilon 0.1")
vw.learn('1:-2:0.5 | 5')
vw.learn('3:2:0.5 | 5')
vw.learn('1:2:0.5 | 15')
vw.learn('3:-2:0.5 | 15')
vw.learn('4:2:0.5 | 5')
vw.learn('4:2:0.5 | 15')
vw.learn('2:2:0.5 | 5')
vw.learn('2:2:0.5 | 15')
因此,对于我的示例,对于他的特征等于 5 的上下文,最佳动作是 2,而对于另一个,最佳动作是 3。
当我在这两种情况下进行预测时,没有问题,因为算法已经遇到过一次并且已经获得了奖励来调节他的选择。
但是当我到达一个新的上下文时,我希望算法能让我做出最相关的动作,例如通过考虑上下文特征的相似性。
例如,如果我给出一个等于 29 的特征,我希望得到动作 3,因为 29 比 5 更接近 15。
所以我现在的审讯。
谢谢 !
解决方案
问题在于您构建功能的方式。特征的输入格式定义为name[:value]
,如果未提供值,则默认值为 1.0。因此,您提供的是名称为5
或的功能15
。特征名称被散列并用于确定特征的索引。因此,在您的情况下,特征5
和特征15
的值都为 1.0,并且是具有不同索引的不同特征。
因此,要解决您的问题,您只需为您的功能命名。
vw.learn('1:-2:0.5 | my_feature_name:5')
vw.learn('1:2:0.5 | my_feature_name:15')
您可以在此处阅读有关输入格式的更多信息。
另外,我想指出-q UA
在您的示例中没有做任何事情,因为您没有命名空间。可以通过将命名空间放在栏旁边来指定它们。以下示例有两个命名空间,A 和 B。(注意:如果命名空间使用多个字符,则仅第一个字符与 一起使用-q
)
1:-2:0.5 |A my_feature_name:5 |B yet_another_feature:4
在这种情况下,如果我们提供-q AB
,那么 VW 将在运行时为 A 和 B 中的每对特征创建一个新特征。这允许您在大众学习的表示中表达更复杂的交互。
推荐阅读
- c# - 如何在 C# 中处理 Task.delay 的 cancelToken.cancel?
- c# - 将 Resharper 代码样式设置导出到 Editor.Config
- reactjs - 在嵌套对象中反应 handleChange 推送值
- java - 如何修复“验证失败:检测到迁移到版本 1(基线)失败”飞行路径错误?
- javascript - unable to assign a value in ngFor loop: cannot assign to readonly property of object
- python - 为什么调用元类的 __new__
- unity3d - 帖子得分未发生,但排行榜 UI 显示
- java - 如何将来自外部源的上下文添加到 Kafka Streams 中的记录的正确方法
- php - 通过爬虫从嵌套在 MVC C# 应用程序中的 Angular 应用程序获取内容
- c++ - 为什么 std::visit 必须有一个返回类型?