FM (Factorization Machine) 算法可进行回归和二分类预测,它的特色是考虑了特征之间的相互做用,是一种非线性模型,目前FM算法是推荐领域被验证的效果较好的推荐方案之一,在诸多电商、广告、直播厂商的推荐领域有普遍应用。算法
PAI平台的FM算法基于阿里内部大数据的锤炼,具有性能优越、效果突出的特色。具体使用方式能够参见首页模板:性能
使用FM算法总体流程须要包含FM训练和FM预测组件,能够搭配评估组件使用。学习
目前PAI的FM算法只支持libsvm格式的数据,数据须要包含两列,分别是特征列和目标列。大数据
如图:spa
在“参数设置”中能够设置回归或者分类两种模式:blog
参数 | 解释 | 取值 |
---|---|---|
tensorColName | 训练的特征列名 (kv格式的字符串,例如"1:1.0,3:1.0",特征的id必须是非负整数,取值范围是[0,Long.MAX_VALUE),能够不连续) | 必选 |
labelColName | label列名 (要求是数值类型,若是任务类型是binary_classification,那么label值必须是0或1) | 必选 |
task | 任务类型 | 必选,"regression" or "binary_classification" |
numEpochs | 迭代数 | 可选,默认值10 |
dim | 因子数,字符串,用逗号分隔的三个整数,表示0次项、线性项、二次项的长度 | 可选,默认值 "1,1,10" |
learnRate | 学习率 | 可选, 默认值 0.01 |
lambda | 正则化系数,字符串,用逗号分隔的三个浮点数,表示0次项、线性项、二次项的正则化系数 | 可选, 默认值 "0.01,0.01,0.01" |
initStdev | 参数初始化标准差 | 可选, 默认值0.05 |
备注1:字符串
参数 | 解释 | 取值 |
---|---|---|
predResultColName | 预测结果列名 | 可选,默认"prediction_result" |
predScoreColName | 预测得分列名 | 可选,默认"prediction_score" |
predDetailColName | 详细预测信息列名 | 可选,默认"prediction_detail" |
keepColNames | 保持到输出结果表的列 | 可选,默认全选 |
在首页模板案例的数据状况下,使用PAI FM生成的模型能够达到接近0.97的AUCget
原文连接
本文为云栖社区原创内容,未经容许不得转载。直播