Vowpal Wabbit上下文Bandit数据格式

Question

我有两个问题，为背景强盗模型培训格式化数据。

如果我有如下数据..。

1:1:0.2 | d1:us d2:female d3:12

问题1)我从VW上读到，每个特性后面都有一个浮点。如果我有明确的特征(如我们，女性)作为价值观，什么是最好的方式重新格式化他们？我在想，我不会用浮点数作为后缀，让它们的默认值为1，我希望这样可以实现一次热编码。

问题2)我错误地训练了模型，记录了如下的数据

1:1:0.2 | us female 12 

我现在意识到“我们”、“女性”和"12“被视为默认值为1的特性，对吗？

Answer 1

是的，你是对的。

输入功能格式是:将每个特性分隔为<name>:<value>，其中:<value> (如果存在)必须是数字的。

要表示分类值，可以使用:以外的其他内容作为<name>和<value>之间的分隔符。在这种情况下，整个字符串将被视为特性名。这通常被称为“一次热编码”(每个可能的feature+value组合都被视为一个单独的特性)。

还要注意的是，特性名12将由vw直接散列到哈希表中的12槽(模2^位)，假设这是用户所想要的，因为数字特性是常见的(并且是libSVM约定)。这可以通过命令行上的选项--hash all来禁用。默认情况下，--hash strings的意思是：(murmur3)散列特性--名称看起来像字符串(不是整数)，但不要使用看起来像数字的特性名(不要散列)。

请参见：https://stackoverflow.com/a/28643968/1296044，它包括一个用于在vw中表示输入特性的备忘单。