alphafm相关issue

最新推荐文章于 2024-11-14 13:07:49 发布

LegenDavid

最新推荐文章于 2024-11-14 13:07:49 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习算法相关

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/LegenDavid/article/details/79011535

算法相关同时被 2 个专栏收录

111 篇文章

订阅专栏

105 篇文章

订阅专栏

本文讨论了FTRL算法的特点，包括其对数据量和顺序的敏感性、如何通过多次迭代来应对小数据集的问题、建议的数据排序方式以及模型训练过程中可能出现的过拟合问题及其解决方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.ftrl算法对数据量和数据顺序比较敏感

2.数据量不够可以迭代多轮

3.数据顺序最好按照时间，或者shuffle

4.模型运行一段时间后，维度不断增高，出现一定程度的过拟合，就会导致效果下跌。这时候，需要retraining。

5.关于alphaFM输出的model，偏移量为三个值。w 通过ftrl更新，w_n w_z都是用来迭代计算的不存到model里下次怎么增量学习呢

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。