python - 使用 VowpalWabbit 优化 CTR(点击率):如何选择合适的参数?
问题描述
我正在尝试使用 VowpalWabbit 优化给定设备类型(上下文)的某些文章或广告(操作)的点击率(按照这篇文章vw 教程)。但是,我无法使其可靠地收敛到最佳动作。
我创建了一个最小的工作示例(对不起长度):
import random
import numpy as np
from matplotlib import pyplot as plt
from vowpalwabbit import pyvw
plt.ion()
action_space = ["article-1", "article-2", "article-3"]
def running_mean(x, N):
cumsum = np.cumsum(np.insert(x, 0, 0))
return (cumsum[N:] - cumsum[:-N]) / float(N)
def to_vw_example_format(context, cb_label=None):
if cb_label is not None:
chosen_action, cost, prob = cb_label
example_string = ""
example_string += "shared |User device={} \n".format(context)
for action in action_space:
if cb_label is not None and action == chosen_action:
example_string += "1:{}:{} ".format(cost, prob)
example_string += "|Action ad={} \n".format(action)
# Strip the last newline
return example_string[:-1]
# definition of problem to solve, playing out the article with highest ctr given a context
context_to_action_ctr = {
"device-1": {"article-1": 0.05, "article-2": 0.06, "article-3": 0.04},
"device-2": {"article-1": 0.08, "article-2": 0.07, "article-3": 0.05},
"device-3": {"article-1": 0.01, "article-2": 0.04, "article-3": 0.09},
"device-4": {"article-1": 0.04, "article-2": 0.04, "article-3": 0.045},
"device-5": {"article-1": 0.09, "article-2": 0.01, "article-3": 0.07},
"device-6": {"article-1": 0.03, "article-2": 0.09, "article-3": 0.04}
}
#vw = f"--cb_explore 3 -q UA -q UU --epsilon 0.1"
vw = f"--cb_explore_adf -q UA -q UU --bag 5 "
#vw = f"--cb_explore_adf -q UA --epsilon 0.2"
actor = pyvw.vw(vw)
random_rewards = []
actor_rewards = []
optimal_rewards = []
for step in range(200000):
# pick a random context
device = random.choice(list(context_to_action_ctr.keys()))
# let vw generate probability distribution
# action_probabilities = np.array(actor.predict(f"|x device:{device}"))
action_probabilities = np.array(actor.predict(to_vw_example_format(device)))
# sample action
probabilities = action_probabilities / action_probabilities.sum()
action_idx = np.random.choice(len(probabilities), 1, p=probabilities)[0]
probability = action_probabilities[action_idx]
# get reward/regret
action_to_reward_regret = {
action: (1, 0) if random.random() < context_to_action_ctr[device][action] else (0, 1) for action in action_space
}
actor_action = action_space[action_idx]
random_action = random.choice(action_space)
optimal_action = {
"device-1": "article-2",
"device-2": "article-1",
"device-3": "article-3",
"device-4": "article-3",
"device-5": "article-1",
"device-6": "article-2",
}[device]
# update statistics
actor_rewards.append(action_to_reward_regret[actor_action][0])
random_rewards.append(action_to_reward_regret[random_action][0])
optimal_rewards.append(action_to_reward_regret[optimal_action][0])
# learn online
reward, regret = action_to_reward_regret[actor_action]
cost = -1 if reward == 1 else 0
# actor.learn(f"{action_idx+1}:{cost}:{probability} |x device:{device}")
actor.learn(to_vw_example_format(device, (actor_action, cost, probability)))
if step % 100 == 0 and step > 1000:
plt.clf()
axes = plt.gca()
plt.title("Reward over time")
plt.plot(running_mean(actor_rewards, 10000), label=str(vw))
plt.plot(running_mean(random_rewards, 10000), label="Random actions")
plt.plot(running_mean(optimal_rewards, 10000), label="Optimal actions")
plt.legend()
plt.pause(0.0001)
本质上,有 3 种可能的动作(文章 1-3)和 6 个上下文(设备 1-6),每个组合都有一定的 CTR(点击率)和给定上下文的最优动作(给定设备的最高 ctr 文章) . 每次迭代都会对随机上下文进行采样,并计算每个动作的奖励/遗憾。如果奖励为 1(用户点击),VowpalWabbit 用于学习的成本为 -1,如果奖励为 0(用户未点击),则为 0。随着时间的推移,该算法应该为每个设备找到最好的文章。
问题:
- 多次启动同一个程序,会导致不同的结果(有时根本不收敛,有时会找到最佳并坚持下去)
- 开始不好(早期收敛到次优臂),随着时间的推移,算法仍然没有转向更好的臂。
- 该算法似乎很早就陷入了局部最小值,这定义了实验其余部分的性能。(即使有一些探索因素)
由于点击率相当小,并且需要大量播出才能收敛,我理解这个问题的难度。然而,我希望随着时间的推移,算法会找到最佳值。
我是否错过了 VowpalWabbit 的配置中的某些内容?
解决方案
推荐阅读
- python - 沿行在pytorch中散布张量
- python - 无需输入密码即可自动刷新 Excel 电子表格的 Python 脚本
- python - 图数据上的 HuggingFace Bert
- git - 将 Git 项目中的子目录推送到不同的 Git 项目
- sql-server - SQL:字符串'后的非右引号,Single_Blob) ImageData)
- python - 如何在 python OpenCv 中检测重叠或嵌入的矩形
- android - 从嵌入式资源 Xamarin.Android 在应用程序文件夹中创建文件
- c# - 如何更改 Html.DisplayFor 布尔结果的颜色
- excel - 将excel中的百分比值限制在0%到100%之间
- android - 如何在 TextView (Android) 中启用垂直自动滚动