castellanzhang / alphafm_softmax Goto Github PK

您好。
我用了一份公开的多分类数据集来做尝试，数据集如下：
https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/multiclass.html#sector
为了方便与传统的LR比较，-dim参数我使用1,1,0
训练命令如下：
cat sector.scale | ./fm_train_softmax -m this_model -cn 105 -dim 1,1,0 -w_l1 0.05 -v_l1 0.05 -init_stdev 0.001 -w_alpha 0.01 -v_alpha 0.01 -core 10
测试命令如下：
cat sector.scale | ./fm_predict_softmax -m this_model -cn 105 -dim 0 -out output --->acc:41%左右
cat sector.t.scale | ./fm_predict_softmax -m this_model -cn 105 -dim 0 -out output --->acc:24%左右
感觉与LR差得太远了，是不是我的使用方法不正确？

bias，feature的组成能否说明一下。
多分类情况下，bias指的是w0？w1没有保存在模型文件中？
feature的对应的V向量，它的shape是多少呢？不是1 x k吗？
多谢！

按教程步骤，train+predict
train过程正常结束，模型格式看起来也正常
但predict过程，很快报“load model error”的错误 ？
“cat test | ./bin/fm_predict_softmax -cn 33 -core 10 -m fm_model.txt -out fm_pre.txt”

请问怎么解决

您好，我遇到的问题是模型预测阶段load模型时，ftrl_model.h 在加载权重会出现 7.62416e-314 这种值，std(modelLineSeg[start + 2 + factor_num]) 会报错，提示 out of range，查了一下是 double 下溢。

ftrl_model_class_unit(int factor_num, const vector<string>& modelLineSeg, int start)
    {
        vi.resize(factor_num);
        v_ni.resize(factor_num);
        v_zi.resize(factor_num);
        int idx = 0;
        try{
            wi = stod(modelLineSeg[start + 1]);
            w_ni = stod(modelLineSeg[start + 2 + factor_num]); # 这一行
            w_zi = stod(modelLineSeg[start + 3 + factor_num]); # 这一行
            for(int f = 0; f < factor_num; ++f)
            {
                idx = f;
                vi[f] = stod(modelLineSeg.at(start + 2 + f)); # 这一行
                v_ni[f] = stod(modelLineSeg[start + 4 + factor_num + f]); # 这一行
                v_zi[f] = stod(modelLineSeg[start + 4 + 2 * factor_num + f]); # 这一行
            }

请问这个是什么原因呢，在模型保存的时候格式的问题吗？

Originally posted by @WilliamL1 in #3 (comment)