vw - Интернет в облаке

ПРОГРАММА:

ИМЯ

vw - Vowpal Wabbit - инструмент быстрого онлайн-обучения

ОПИСАНИЕ

VW опции:
--случайное зерно аргумент
генератор случайных чисел начального числа

--размер кольца аргумент
размер примера кольца

Обновление ПО опции:
-l [ --learning_rate ] аргумент
Установить скорость обучения

--power_t аргумент
t значение мощности

--decay_learning_rate аргумент
Установите коэффициент затухания для Learning_rate между проходами

--initial_t аргумент
начальное значение t

--feature_mask аргумент
Используйте существующий регрессор, чтобы определить, какие параметры могут быть обновлены. Если нет
Указывается initial_regressor, также используется для начальных весов.

Вес опции:
-i [ --initial_regressor ] аргумент
Начальный регрессор (ы)

--initial_weight аргумент
Установите для всех весов начальное значение arg.

--random_weights аргумент
сделать начальные веса случайными

--input_feature_regularizer аргумент
Входной файл регуляризации для каждой функции

Распараллеливание опции:
--span_server аргумент
Расположение сервера для настройки связующего дерева

--потоки
Включить многопоточность

--уникальный идентификатор arg (= 0)
уникальный идентификатор, используемый для параллельных заданий кластера

--общий arg (= 1)
общее количество узлов, используемых в параллельной работе кластера

--узел arg (= 0)
номер узла в параллельном задании кластера

диагностический опции:
--версия
Информация о версии

-a [ --аудит ]
распечатать веса функций

-P [ --прогресс ] аргумент
Частота обновления прогресса. int: добавочный, float: мультипликативный

--тихий
Не выводить дезагностики и обновления прогресса

-h [ --Помогите ]
Смотри сюда: http://hunch.net/~vw/ и нажмите "Учебник".

Особенность опции:
--хэш аргумент
как хешировать функции. Доступные варианты: струны, все

- игнорировать аргумент
игнорировать пространства имен, начинающиеся с символа

--хранить аргумент
сохранить пространства имен, начинающиеся с символа

- переопределить аргумент
переопределить пространства имен, начинающиеся с символов строки S как пространство имен N.
должен быть в форме 'N: = S', где: = - оператор. Пустые N или S обрабатываются по умолчанию
пространство имен. Используйте ':' как подстановочный знак в S.

-b [ --bit_precision ] аргумент
количество бит в таблице характеристик

- непостоянный
Не добавляйте постоянную функцию

-C [ --постоянный ] аргумент
Установить начальное значение константы

--грамма аргумент
Получите N граммов. Чтобы сгенерировать N граммов для одного пространства имен 'foo', arg должен быть
фн.

- пропускает аргумент
Сгенерировать пропуски в N граммах. Это вместе с тегом ngram может использоваться для
генерировать обобщенную n-skip-k-грамм. Чтобы сгенерировать n-пропуски для одного пространства имен
'foo', arg должно быть fN.

--feature_limit аргумент
ограничить N функциями. Чтобы применить к единственному пространству имен 'foo', arg должен быть fN

- аффикс аргумент
генерировать префиксы / суффиксы функций; аргумент '+ 2a, -3b, + 1' означает создание 2-значного символа
префиксы для пространства имен a, суффиксы из 3 символов для b и префиксы из 1 символа для значения по умолчанию
Пространство имен

--написание аргумент
вычислить функции правописания для пространства имен give (используйте '_' для пространства имен по умолчанию)

--толковый словарь аргумент
прочтите словарь для дополнительных функций (аргумент: 'x: file' или просто 'file')

--dictionary_path аргумент
поищите в этом каталоге словари; по умолчанию текущий каталог или env {PATH}

- взаимодействия аргумент
Создавайте взаимодействия функций любого уровня между пространствами имен.

- перестановки
Используйте перестановки вместо комбинаций для взаимодействия функций одного и того же
пространство имен.

--leave_duulate_interactions
Не удаляйте взаимодействия с повторяющимися комбинациями пространств имен. Например, это
дубликат: '-q ab -q ba 'и многое другое в' -q :: '.

-q [ - квадратичный ] аргумент
Создавайте и используйте квадратичные функции

--q: аргумент
: соответствует подстановочному знаку для всех печатных символов

кубический аргумент
Создавайте и используйте кубические элементы

Пример опции:
-t [ --testonly ]
Не обращайте внимания на информацию на этикетке и просто проверьте

--holdout_off
нет данных об удержании за несколько проходов

--holdout_ period аргумент
период ожидания только для теста, по умолчанию 10

--holdout_after аргумент
удержание после n обучающих примеров, по умолчанию выключено (отключает holdout_period)

--early_terminate аргумент
Укажите допустимое количество проходов, когда потери удержания не уменьшаются раньше.
досрочное прекращение, по умолчанию 3

--пропуски аргумент
Количество проходов обучения

--initial_pass_length аргумент
начальное количество примеров за проход

--Примеры аргумент
количество примеров для анализа

--min_prediction аргумент
Наименьший прогноз для вывода

--max_prediction аргумент
Максимальный прогноз для вывода

--sort_features
включите это, чтобы игнорировать порядок, в котором были определены функции. Это приведет
к меньшим размерам кеша

--loss_function arg (= в квадрате)
Укажите функцию потерь, которая будет использоваться, по умолчанию используется квадрат. Доступен на данный момент
Квадратные, классические, шарнирные, логистические и квантильные.

--quantile_tau arg (= 0.5)
Параметр \ tau, связанный с квантильной потерей. По умолчанию 0.5

--l1 аргумент
l_1 лямбда

--l2 аргумент
l_2 лямбда

- named_labels аргумент
использовать имена для меток (мультикласс и т. д.), а не целые числа, указанный аргумент
все возможные метки, запятая-разделитель, например, "- named_labels Noun, Verb, Adj, Punc"

Результат модель:
-f [ --final_regressor ] аргумент
Конечный регрессор

--readable_model аргумент
Вывод итогового регрессора в удобочитаемом виде с числовыми функциями

--invert_hash аргумент
Выводит конечный регрессор в удобочитаемом виде с названиями функций. Вычислительно
дорогая.

--save_resume
сохранить дополнительное состояние, чтобы обучение можно было возобновить позже с новыми данными

--save_per_pass
Сохраняйте модель после каждого прохода данных

--output_feature_regularizer_binary аргумент
Выходной файл регуляризации для каждой функции

--output_feature_regularizer_text arg Для выходного файла регуляризации функции,
в текст

Результат опции:
-p [ - прогнозы ] аргумент
Файл для вывода прогнозов в

-r [ --raw_predictions ] аргумент
Файл для вывода ненормализованных прогнозов в

Варианты уменьшения, используйте [option] --Помогите для получения дополнительной информации:

--бутстрап аргумент
k-way bootstrap путем повторной выборки важности онлайн

--поиск аргумент
Используйте обучение для поиска, аргумент = максимальный идентификатор действия или 0 для LDF

--replay_c аргумент
использовать воспроизведение опыта на определенном уровне [b = классификация / регрессия,
m = мультикласс, c = чувствителен к стоимости] с указанным размером буфера

--cbify аргумент
Конвертировать мультикласс на классы в контекстную проблему бандита

--cb_adf
Изучите контекстное обучение бандитов с многострочными функциями, зависящими от действий.

--cb аргумент
Используйте контекстное бандитское обучение с расходы

--csoaa_ldf аргумент
Используйте многоклассовое обучение по принципу «один против всех» с функциями, зависящими от ярлыков. Указать
однострочный или многострочный.

--wap_ldf аргумент
Используйте взвешенное мультиклассовое обучение для всех пар с функциями, зависящими от меток.

Укажите однострочный или многострочный.

- взаимодействовать аргумент
Оцените функциональные продукты из пространств имен а также

--csoaa аргумент
Мультикласс один против всех с расходы

--multilabel_oaa аргумент
Многозначная маркировка "один против всех" с этикетки

--log_multi аргумент
Использовать онлайн-дерево для мультикласса

--ect аргумент
Ошибка исправления турнира с этикетки

- усиление аргумент
Повышение онлайн с слабые ученики

--оаа аргумент
Мультикласс один против всех с этикетки

--Топ аргумент
топ k рекомендация

--replay_m аргумент
использовать воспроизведение опыта на определенном уровне [b = классификация / регрессия,
m = мультикласс, c = чувствителен к стоимости] с указанным размером буфера

- двоичный
сообщить о потере как двоичную классификацию -1,1

--ссылка arg (= идентичность)
Укажите функцию ссылки: identity, logistic или glf1

--stage_poly
использовать поэтапное полиномиальное изучение признаков

--lrqfa аргумент
использовать квадратичные функции низкого ранга с полевыми весами

--lrq аргумент
использовать квадратичные функции низкого ранга

--автоссылка аргумент
создать функцию ссылки с полиномом d

--new_mf аргумент
ранг для факторизации матрицы на основе редукции

--нн аргумент
Сигмоидальная сеть прямой связи с скрытые единицы

--уверенность
Получите уверенность в бинарных предсказаниях

--active_cover
включить активное обучение с обложкой

--активный
включить активное обучение

--replay_b аргумент
использовать воспроизведение опыта на определенном уровне [b = классификация / регрессия,
m = мультикласс, c = чувствителен к стоимости] с указанным размером буфера

--bfgs использовать оптимизацию bfgs

--conjugate_gradient
использовать оптимизацию на основе сопряженного градиента

--льда аргумент
Запустите lda с темы

--нуп не учиться

--Распечатать
примеры печати

--классифицировать аргумент
ранг для матричной факторизации.

--Отправить аргумент
отправить примеры

--svrg Потоковая передача с уменьшенным градиентом стохастической дисперсии

--ftrl FTRL: следуйте за проксимальным регуляризованным лидером

--пистолет
FTRL: стохастическое обучение без параметров

--ksvm ядро svm

Градиент Спуск опции:
--sgd использовать регулярное обновление стохастического градиентного спуска.

--адаптивный
используйте адаптивную индивидуальную скорость обучения.

--инвариантный
используйте безопасные / важные обновления.

- нормализованный
использовать нормализованные обновления для каждой функции

--sparse_l2 arg (= 0)
использовать нормализованные обновления для каждой функции

вход опции:
-d [ --данные ] аргумент
Набор примеров

- демон
постоянный режим демона на порту 26542

--порт аргумент
порт для прослушивания; используйте 0, чтобы выбрать неиспользуемый порт

--num_children аргумент
количество потомков для постоянного режима демона

--pid_file аргумент
Записать файл pid в постоянном режиме демона

--port_file аргумент
Порт записи, используемый в постоянном режиме демона

-c [ --кэш ]
Используйте кеш. По умолчанию .cache

--cache_file аргумент
Расположение (а) cache_file.

-k [ --kill_cache ]
не используйте повторно существующий кеш: всегда создавайте новый

- сжатый
по возможности используйте формат gzip. Если файл кеша создается, эта опция
создает сжатый файл кеша. Смесь исходного текста и сжатого ввода
поддерживается с автоопределением.

--no_stdin
не по умолчанию читать из стандартного ввода

Используйте vw онлайн с помощью сервисов onworks.net