Vowpal Wabbit Logistic Regression

Question

25 özellik ve 48 milyon örnek içeren bir veri kümesinde Vowpal Wabbit kullanarak lojistik regresyon gerçekleştiriyorum. Mevcut tahmin değerleri hakkında bir sorum var. 0 veya 1.

average since   example  example current current current 
loss  last   counter  weight label predict features 
0.693147 0.693147   1   1.0 -1.0000 0.0000  24 
0.419189 0.145231   2   2.0 -1.0000 -1.8559  24 
0.235457 0.051725   4   4.0 -1.0000 -2.7588  23 
6.371911 12.508365   8   8.0 -1.0000 -3.7784  24 
3.485084 0.598258   16  16.0 -1.0000 -2.2767  24 
1.765249 0.045413   32  32.0 -1.0000 -2.8924  24 
1.017911 0.270573   64  64.0 -1.0000 -3.0438  25 
0.611419 0.204927   128  128.0 -1.0000 -3.1539  25 
0.469127 0.326834   256  256.0 -1.0000 -1.6101  23 
0.403473 0.337820   512  512.0 -1.0000 -2.8843  25 
0.337348 0.271222   1024  1024.0 -1.0000 -2.5209  25 
0.328909 0.320471   2048  2048.0 -1.0000 -2.0732  25 
0.309401 0.289892   4096  4096.0 -1.0000 -2.7639  25 
0.291447 0.273492   8192  8192.0 -1.0000 -2.5978  24 
0.287428 0.283409  16384  16384.0 -1.0000 -3.1774  25 
0.287249 0.287071  32768  32768.0 -1.0000 -2.7770  24 
0.282737 0.278224  65536  65536.0 -1.0000 -1.9070  25 
0.278517 0.274297  131072 131072.0 -1.0000 -3.3813  24 
0.291475 0.304433  262144 262144.0 1.0000 -2.7975  23 
0.324553 0.357630  524288 524288.0 -1.0000 -0.8995  24 
0.373086 0.421619  1048576 1048576.0 -1.0000 -1.2076  24 
0.422605 0.472125  2097152 2097152.0 1.0000 -1.4907  25 
0.476046 0.529488  4194304 4194304.0 -1.0000 -1.8591  25 
0.476627 0.477208  8388608 8388608.0 -1.0000 -2.0037  23 
0.446556 0.416485  16777216 16777216.0 -1.0000 -0.9915  24 
0.422831 0.399107  33554432 33554432.0 -1.0000 -1.9549  25 
0.428316 0.433801  67108864 67108864.0 -1.0000 -0.6376  24 
0.425511 0.422705 134217728 134217728.0 -1.0000 -0.4094  24 
0.425185 0.424860 268435456 268435456.0 -1.0000 -1.1529  24 
0.426747 0.428309 536870912 536870912.0 -1.0000 -2.7468  25 

Answer 1

tahminler olan olmalıdır [-50 ila +50] aralığındadır (teorik olarak herhangi bir gerçek sayıdır, ancak Vowpal Wabbit için keser [-50, + 50]).

Onları {-1, +1} konumuna dönüştürmek için --binary kullanın. Olumlu tahminler basitçe +1, negatif ile -1 arasında eşlenir.

Onları [0, +1] 'e dönüştürmek için --link=logistic'u kullanın. Bu, logistic function 1/(1 + exp (-x)) kullanır. Numaraları olasılık olarak yorumlamak isterseniz, --loss_function=logistic'u da kullanmalısınız.

Onları [-1, +1] 'e dönüştürmek için --link=glf1'u kullanın. Bu, 2/(1 + exp (-x)) -1 formülünü kullanır (1 sınırlarına sahip genelleştirilmiş lojistik işlev).