推荐系统 RES-策略参数说明:核函数特征交互神经网络
核函数特征交互神经网络
参数名称 |
是否必选 |
参数类型 |
说明 |
---|---|---|---|
fields_feature_size_path |
是 |
String |
该文件标识了每一个域下的特征数量,排序数据处理接口会生成这个文件,文件路径为用户在数据处理中输入的“run_path”参数表示的路径的“fields_feature_size”目录下,文件名称为“part-00000”,需要用户提供文件完整路径。 |
max_iterations |
是 |
Int |
模型训练的最大迭代轮数。取值范围[1,1000],默认50。 |
early_stop_iterations |
是 |
Int |
在测试集上连续early_stop_iterations轮迭代的AUC小于当前最优AUC时,迭代停止,训练结束。取值范围[1,1000],不大于max_iterations,默认5。 |
algorithm_specify_parameters |
是 |
JSON |
请参见表40,算法相关参数。 示例: { "latent_vector_length":10, "active_function":"relu", "architecture":[400,400,400], "value_keep_probability":0.8, "sub_net_architecture":[40,5], "is_drop_fm":"False" } |
initial_parameters |
是 |
JSON |
请参见表32,初始化相关参数。 示例: { “initial_method”:“xavier” } |
optimize_parameters |
是 |
JSON |
请参见表33,优化策略相关参数。 示例: { “type”:“adam”, “epsilon”:1e-08, “learning_rate”:0.001 } |
regular_parameters |
是 |
JSON |
请参见表34,正则相关参数。 示例: { "l2_regularization":0.001, "regular_loss_compute_mode":"full" } |
参数名称 |
是否必选 |
参数类型 |
说明 |
---|---|---|---|
隐向量长度 (latent_vector_length) |
是 |
Int |
分解后的特征向量的长度。取值范围[1,100],默认10。 |
神经网络结构 (architecture) |
是 |
List[Int] |
神经网络的层数与每一层神经元节点个数。每一层神经元节点数取值范围为[1,1000],神经网络层数不大于5。默认400,400,400。 |
神经元值保留概率 (value_keep_probability) |
是 |
Double |
神经网络前向传播过程中以该概率保留神经元的值。取值范围(0,1],默认0.8。 |
激活函数 (active_function) |
是 |
Enum |
将一个(或一组)神经元的值映射为一个输出值。取值relu/sigmoid/tanh,默认relu。 |
子网络结构 (sub_net_architecture) |
是 |
List[Int] |
特征向量之间使用神经网络核来计算相互关系时,该神经网络的结构。每一层的节点数取值范围为[1,100],深度不超过5层。默认40,5。 |
是否移除因子分解机 (is_drop_fm) |
是 |
Boolean |
是否移除模型架构中的因子分解机部分,值为True则蜕变为带有核函数的DNN。取值true/false,默认false。 |