如何考虑 Myrrix 中的权重答案

【问题标题】：How to think about weights in Myrrix如何考虑 Myrrix 中的权重
【发布时间】：2013-09-16 06:37:26
【问题描述】：

我对 Myrrix 有以下输入：

11, 101, 1
11, 102, 1
11, 103, 1
11, 104, 1000
11, 105, 1000
11, 106, 1000

12, 101, 1
12, 102, 1
12, 103, 1
12, 222, 1

13, 104, 1000
13, 105, 1000
13, 106, 1000
13, 333, 1000

我正在寻找要推荐给用户 11 的项目。预计项目 333 将首先被推荐（因为用户 13 和项目 104、105、106 的权重更高）。

以下是 Myrrix 的推荐结果：

11, 222, 0.04709
11, 333, 0.0334058

请注意，建议项目 222 的强度为 0.047，但项目 333 的强度仅为 0.033 --- 与预期结果相反。

我也预计强度差异会更大（因为 1000 和 1 差别很大），但当顺序甚至不是我的预期时，这显然是没有意义的。

我如何解释这些结果以及我应该如何考虑重量参数？我们正在与一个大客户在紧迫的期限内合作，如果有任何指点，我们将不胜感激。

【问题讨论】：

标签： machine-learning collaborative-filtering myrrix

【解决方案1】：

很难根据小型综合数据集进行判断。我认为最大的因素将是这里的参数——特征的数量是多少？拉姆达？我希望 features = 2 这里。如果它更高，我认为您很快就会过度拟合，结果主要是在完美解释用户 11 不与 222 和 333 交互之后留下的噪音。

这些值非常低，这表明这两种结果都不太可能，因此它们的顺序可能比任何东西都更嘈杂。如果从另一个随机起点重建模型，您会看到不同的结果吗？

【讨论】：

好的。我使用的是默认参数。我用-Dmodel.features=2 运行了几次相同的示例，我得到了 333 和 222 的不同值，现在波动很大：(.0800111, .0614549), (.195253, .0825095), (.170418 , .0889612), (.117045, .0754171), (.00336292, .00375809)。在大多数情况下，333 获得了更高的分数（最后一个示例除外），所以这绝对是一个改进。你认为我可以通过调整 lambda 参数来使结果稳定吗？ Myrrix 是否可以用于像这样的小型数据集（用于演示目的）？
是的，您可以尝试将 lambda 增加到 0.1 甚至 1。在一个很小的合成数据集上，我认为它会对初始条件非常敏感，直到被正则化参数淹没。您可以将它用于小型数据集，但它肯定适用于数百万。
我能够通过增加 lambda 获得相当一致的结果。极端情况下，您可以运行更多的迭代并大幅增加 lambda，以使分数稳定在 5% 左右：ava -Dmodel.lambda=10 -Dmodel.als.iterations.convergenceThreshold=0.000001 -Dmodel.iterations.max=1000 -Dmodel.features=2 -jar myrrix...
我想这里的直觉是模型在解释为什么存在 13:333 而 11:333 不存在之间纠结。你有“强有力的”证据表明它与 104/105/106 一致，也没有。与其他项目相同。此处的拉锯，与其说是强弱之间的拉锯，不如说是强拉和弱拉的副作用之间的拉锯。您可以将权重解释为未将现有交互评分为“1”的惩罚。惩罚是 1 与预测值之差的平方乘以权重。
如果您熟悉平方误差损失函数会更有意义，该函数在统计数据中随处可见。您尝试构建一个模型，该模型可以准确地返回您的输入。它不能完全正确，你在复制一些输入的同时对其他输入做出更大的错误。您最小化所有输入的总平方误差。权重作为错误权重出现。上述某些输入的错误比其他输入的“代价”高出 1000 倍。