私はコンテキストバンディットのためにこの例を実行しています。例のデータは彼らのものです:
1:2:0.4 | a c
3:0.5:0.2 | b d
4:1.2:0.5 | a b c
2:1:0.3 | b c
3:1.5:0.7 | a d
提案としてコマンドを使用：
vw -d train.dat --cb 4 --cb_type dr -f traindModel
そして、このコマンドからポリシーを抽出する方法と、それを解釈する方法を知りたいですか?
そして、私は行きます
vw -d train.dat --invert_hash traindModel
そのような出力を受け取ります
Num weight bits = 18
learning rate = 0.5
initial_t = 0
power_t = 0.5
using no cache
Reading datafile = ../r-mkosinski/train.dat
num sources = 1
average since example example current current current
loss last counter weight label predict features
1.000000 1.000000 1 1.0 1.0000 0.0000 3
4.439352 7.878704 2 2.0 3.0000 0.1931 3
4.457758 4.476164 4 4.0 2.0000 1.4285 3
finished run
number of examples per pass = 5
passes used = 1
weighted example sum = 5
weighted label sum = 13
average loss = 4.14973
best constant = 2.6
total feature number = 16
それらの結果をどのように解釈しますか? ポリシーを抽出する方法は?
このタイプのコマンドも試しました：
vw -d train.dat --cb 4 --cb_type dr --invert_hash p2222.txt
そして次の結果を得ました：
Version 7.8.0
Min label:0.000000
Max label:5.000000
bits:18
0 pairs:
0 triples:
lda:0
0 ngram:
0 skip:
options: --cb 4 --cb_type dr --csoaa 4
:0
^a:108232:0.263395
^a:108233:-0.028344
^a:108234:0.140435
^a:108235:0.215673
^a:108236:0.234253
^a:108238:0.203977
^a:108239:0.182416
^b:129036:-0.061075
^b:129037:0.242713
^b:129038:0.229821
^b:129039:0.206961
^b:129041:0.185534
^b:129042:0.137167
^b:129043:0.182416
^c:219516:0.264300
^c:219517:0.242713
^c:219518:-0.158527
^c:219519:0.206961
^c:219520:0.234253
^c:219521:0.185534
^c:219523:0.182416
^d:20940:-0.058402
^d:20941:-0.028344
^d:20942:0.372860
^d:20943:-0.056001
^d:20946:0.326036
Constant:202096:0.263742
Constant:202097:0.242226
Constant:202098:0.358272
Constant:202099:0.205581
Constant:202100:0.234253
Constant:202101:0.185534
Constant:202102:0.326036
Constant:202103:0.182416
din output のレコードが 5 つしかなく、 c, b,のレコードが 7 つあるのはなぜaですか? c特徴、b、aがデータに 3 回出現し、d2 回しか出現しなかったことに対応しますか? 8 つの一定の行もあります。それらは何に対応していますか?