Java 类名:com.alibaba.alink.operator.batch.classification.FmClassifierTrainBatchOp
Python 类名:FmClassifierTrainBatchOp

功能介绍

FM即因子分解机(Factor Machine),它的特点是考虑了特征之间的相互作用,是一种非线性模型。该组件使用FM模型解决分类问题。

算法原理

FM模型是线性模型的升级,是在线性表达式后面加入了新的交叉项特征及对应的权值,FM模型的表达式如下所示:
FM分类训练 (FmClassifierTrainBatchOp) - 图1
这里我们使用 Adagrad 优化算法求解该模型。算法原理细节可以参考文献[1]。

算法使用

FM算法是推荐领域被验证的效果较好的推荐方案之一,在电商、广告、视频、信息流、游戏的推荐领域有广泛应用。

  • 备注 :该组件训练的时候 FeatureCols 和 VectorCol 是两个互斥参数,只能有一个参数来描述算法的输入特征。

    文献

    [1] S. Rendle, “Factorization Machines,” 2010 IEEE International Conference on Data Mining, 2010, pp. 995-1000, doi: 10.1109/ICDM.2010.127.

    参数说明

    | 名称 | 中文名称 | 描述 | 类型 | 是否必须? | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- |

| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | |

| batchSize | 迭代数据batch size | 数据batch size | Integer | | | -1 |

| epsilon | 收敛阈值 | 迭代方法的终止判断阈值,默认值为 1.0e-6 | Double | | [0.0, +inf) | 1.0E-6 |

| featureCols | 特征列名数组 | 特征列名数组,默认全选 | String[] | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null |

| initStdev | 初始化参数的标准差 | 初始化参数的标准差 | Double | | | 0.05 |

| lambda0 | 常数项正则化系数 | 常数项正则化系数 | Double | | | 0.0 |

| lambda1 | 线性项正则化系数 | 线性项正则化系数 | Double | | | 0.0 |

| lambda2 | 二次项正则化系数 | 二次项正则化系数 | Double | | | 0.0 |

| learnRate | 学习率 | 学习率 | Double | | | 0.01 |

| numEpochs | epoch数 | epoch数 | Integer | | | 10 |

| numFactor | 因子数 | 因子数 | Integer | | | 10 |

| vectorCol | 向量列名 | 向量列对应的列名,默认值是null | String | | 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR] | null |

| weightCol | 权重列名 | 权重列对应的列名 | String | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null |

| withIntercept | 是否有常数项 | 是否有常数项,默认true | Boolean | | | true |

| withLinearItem | 是否含有线性项 | 是否含有线性项 | Boolean | | | true |

代码示例

Python 代码

  1. from pyalink.alink import *
  2. import pandas as pd
  3. useLocalEnv(1)
  4. df = pd.DataFrame([
  5. ["1:1.1 3:2.0", 1.0],
  6. ["2:2.1 10:3.1", 1.0],
  7. ["1:1.2 5:3.2", 0.0],
  8. ["3:1.2 7:4.2", 0.0]
  9. ])
  10. input = BatchOperator.fromDataframe(df, schemaStr='kv string, label double')
  11. dataTest = input
  12. # load data
  13. dataTest = input
  14. fm = FmClassifierTrainBatchOp().setVectorCol("kv").setLabelCol("label")
  15. model = input.link(fm)
  16. predictor = FmClassifierPredictBatchOp().setPredictionCol("pred")
  17. predictor.linkFrom(model, dataTest).print()

Java 代码

  1. import org.apache.flink.types.Row;
  2. import com.alibaba.alink.operator.batch.BatchOperator;
  3. import com.alibaba.alink.operator.batch.classification.FmClassifierPredictBatchOp;
  4. import com.alibaba.alink.operator.batch.classification.FmClassifierTrainBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import org.junit.Test;
  7. import java.util.Arrays;
  8. import java.util.List;
  9. public class FmClassifierTrainBatchOpTest {
  10. @Test
  11. public void testFmClassifierTrainBatchOp() throws Exception {
  12. List <Row> df = Arrays.asList(
  13. Row.of("1:1.1 3:2.0", 1.0),
  14. Row.of("2:2.1 10:3.1", 1.0),
  15. Row.of("1:1.2 5:3.2", 0.0),
  16. Row.of("3:1.2 7:4.2", 0.0)
  17. );
  18. BatchOperator <?> input = new MemSourceBatchOp(df, "kv string, label double");
  19. BatchOperator dataTest = input;
  20. BatchOperator <?> fm = new FmClassifierTrainBatchOp().setVectorCol("kv").setLabelCol("label");
  21. BatchOperator model = input.link(fm);
  22. BatchOperator <?> predictor = new FmClassifierPredictBatchOp().setPredictionCol("pred");
  23. predictor.linkFrom(model, dataTest).print();
  24. }
  25. }

运行结果

| kv | label | pred | | —- | —- | —- |

| 1:1.1 3:2.0 | 1.0 | 1.0 |

| 2:2.1 10:3.1 | 1.0 | 1.0 |

| 1:1.2 5:3.2 | 0.0 | 0.0 |

| 3:1.2 7:4.2 | 0.0 | 0.0 |

备注

该组件的输入为训练数据,输出为Fm分类模型。