MatrixFactorizationTrainer.Options.Alpha 欄位

public double Alpha;

val mutable Alpha : double

Public Alpha As Double 

欄位值

備註

未觀察（即負）元素在單類矩陣分解中損失的重要性。 一般而言，訓練中僅觀察到少數矩陣條目（例如少於1%）的數量（即正值）。 為了平衡未觀察與觀察到的整體損失函數貢獻，此參數通常為小值，讓求解器能找到與未觀察及觀察到的元素同等好的分解。 若在 200000 乘 300000 的訓練矩陣中僅有 10000 個觀測值，則可嘗試 Alpha = 10000 / （200000*300000 - 10000）。 當訓練矩陣中的大多數項目都被觀察到時，可以使用 Alpha >> 1;例如，如果前一個矩陣中只有 10000 沒有被觀察到，可以嘗試 Alpha = （200000 * 300000 - 10000） / 10000。 因此，Alpha = （# of observationed entry） / （# of unserved entrys）可以使得觀察到與未觀察到的條目在最小化損失函數中同等重要。 然而，機器學習中最佳的設定總是依賴資料，因此使用者仍需嘗試多個數值。