Vowpal Wabbit - 使用选项 --keep 指定命名空间的全名答案

【问题标题】：Vowpal Wabbit - Specifying the full name of a namespace with option --keepVowpal Wabbit - 使用选项 --keep 指定命名空间的全名
【发布时间】：2015-05-06 01:33:36
【问题描述】：

我必须满足以下情况：我想在调用 Vowpal Wabbit 在数据集上对其进行训练时保留特定的命名空间。

"--keep" 选项将命名空间的首字母 作为参数。 但是如果两个命名空间以相同的字母开头，而我只想保留其中一个呢？

1.00 |A1 var1 var2 |A2 var3 var4

vw train_data.vw --keep "A1" ==> 不可能，因为 keep 只需要一个字符

一个“肮脏”的解决方案是重命名每个命名空间，以便它们都以不同的字母开头，但这对我来说是不可能的，因为我需要为每个变量创建一个命名空间，而且变量比字母表中的字母...

关于如何解决这个问题的任何看法？

【问题讨论】：

您可以指定一个十六进制字符，因此您有 256 个命名空间。然后，您可以根据需要使用重新定义对功能进行分组。（未经测试！）

标签： variables namespaces vowpalwabbit

【解决方案1】：

命名空间可以有更长的名称，但只有名称的第一个字母与 --keep、--ignore、-q、--cubic 等选项相关。这是由 Vowpal Wabbit 的当前实现强制执行的 (输入char) 并且将来不太可能改变。我建议只使用一个字母的命名空间名称。

您可以使用小写和大写字母以及其他代码 example.h）的符号，但仍应使用 200 多个符号。

【讨论】：

为什么强制使用 char 类型，而不是 char* ？我只是好奇导致这种设计的原因。我正在写一个活页夹 R - Vowpal Wabbit 来做广义线性模型。我想保留 R 的自然语法，从而能够保留或删除 VW 中的特定变量（R 中不使用命名空间）。我发现的一个解决方案是为每个变量（变量的名称）关联一个命名空间，但它有问题，因为两个变量很容易具有相同的首字母。我正在处理可能轻松超过 1000 个变量的数据集......因此 200 个是不够的。
大量 VW 代码需要遍历所有命名空间（嗯，有时只遍历非空命名空间），因此拥有大量命名空间会显着减慢 VW。此外，不太可能有人会在命令行上手动指定超过 200 个--keep 选项。您可以使用--feature_mask 仅保留模型中指定的特征。