问题描述
我正在使用vowpalwabbit
解决上下文强盗问题。我想使用here所述的cover
选项。
我正面临2个问题:
这里是一个示例(使用VW的python包装器):
import vowpalwabbit.pyvw as pyvw
data_train = ["1:0:0.5 |features a b","2:-1:0.5 |features a c","2:0:0.5 |features b c","1:-2:0.5 |features b d","2:0:0.5 |features a d","1:0:0.5 |features a c d","1:-1:0.5 |features a c","2:-1:0.5 |features a c"]
data_test = ["|features a b","|features a b"]
model1 = pyvw.vw(cb_explore=2,cover=10)
for data in data_train:
model1.learn(data)
model1.save("saved_model.model")
model2 = pyvw.vw(cb_explore=2,cover=10,i="saved_model.model")
for data in data_test:
print(data)
print(model1.predict(data))
print(model2.predict(data))
我得到以下输出:
|features a b
[0.75,0.25]
[0.5,0.5]
|features a b
[0.7642977237701416,0.2357022762298584]
[0.5,0.5]
如您所见,模型1的预测(略有变化),而模型2的预测(应与模型1相同)却有所不同。
如果我将cover
替换为bag
,则不会出现此问题。对此有什么解释,是否可以在大众汽车中对其进行修复?
解决方法
谢谢您的举报,这似乎是一个错误。
我为此here打开了一个问题,以便您可以跟踪进度。