Vowpal Wabbit训练和测试数据格式

我正在尝试使用Vowpal Wabbit,并在弄清楚训练和测试所需的文件格式。我一直在按照https://github.com/JohnLangford/vowpal_wabbit/wiki/Tutorial上的教程进行学习,发现以下是训练数据的格式:

0 | price:.23 sqft:.25 age:.05 20061 2 'second_house | price:.18 sqft:.15 age:.35 19760 1 0.5 'third_house | price:.53 sqft:.32 age:.87 1924

对于测试数据,我没有标签或任何输出,只有特征。我应该如何编写这些数据?我尝试过只包含特征,如下所示:

price:.23 sqft:.25 age:.05 2006price:.18 sqft:.15 age:.35 1976price:.53 sqft:.32 age:.87 1924

但是,这会导致异常,因为这不是正确的格式。我还尝试了以下几种方法,但结果都是0:

| price:.23 sqft:.25 age:.05 2006| price:.18 sqft:.15 age:.35 1976| price:.53 sqft:.32 age:.87 19240 0 0 | price:.23 sqft:.25 age:.05 20060 0 0 | price:.18 sqft:.15 age:.35 19760 0 0 | price:.53 sqft:.32 age:.87 1924

有谁知道仅知道特征的情况下,我应该使用的格式是什么?谢谢你的帮助。


回答:

预测格式中也必须包含条形符号(|):

| price:.23 sqft:.25 age:.05 2006| price:.18 sqft:.15 age:.35 1976| price:.53 sqft:.32 age:.87 1924

如果你不包含正确的标签,vw当然无法计算测试损失。要获取预测,请使用vw -d test_set.vw -t -p predictions.txt。教程中的训练集(仅有三个示例)太小,无法训练出任何合理的模型。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注