Factorization Machines

因子分解机(Factorization Machine, FM)是由Steffen Rendle提出的一种基于矩阵分解的机器学习算法。它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景;2) 具有线性的计算复杂度。

1. 算法介绍

Factorization Model

  • Factorization Machine Model

model=b+\sum{i=1}^n{w_ix_i}+\sum{i=1}^n\sum_{j=i+1}^nx_ix_j)

其中:Factorization Machine(FM) - 图2是两个k维向量的点乘:

dot

模型参数为:parameter其中Factorization Machine(FM) - 图5表示用k个因子表示特征i,k是决定因子分解的超参数。

Factorization Machines as Predictors

FM可以被用于一系列的预测任务,比如说:

  • 分类:Factorization Machine(FM) - 图6可以直接被用作预测值,优化准则为最小化最小平方差。
  • 回归:可以用Factorization Machine(FM) - 图7的符号做分类预测,参数通过合页损失函数或者逻辑回归随时函数估计。

2. FM on Angel

  • FM算法模型FM算法的模型由两部分组成,分别是wide和embedding,其中wide就是典型的线性模型。最后的输出结果为wide和embedding两部分之和。

  • FM训练过程 Angel实现了用梯度下降方法优化,迭代得训练FM模型,每次迭代worker和PS上的逻辑如下:

    • worker:每次迭代从PS上拉取wide和embedding矩阵到本地,计算出对应的梯度更新值,push到PS
    • PS:PS汇总所有worker推送的梯度更新值,取平均,通过优化器计算新的wide和embedding模型并进行更新
  • FM预测结果:

    • 格式:rowID,pred,prob,label
    • 说明:rowID表示样本所在的行ID,从0开始计数;pred:样本的预测结果值;prob:样本相对该预测结果的概率;label:预测样本被分到的类别,当预测结果值pred大于0时,label为1,小于0为-1

3. 运行和性能

  • 数据格式 支持libsvm和dummy两种数据格式,其中libsvm格式举例如下:

    1. 1 1:1 214:1 233:1 234:1

    dummy数据格式为:

    1. 1 1 214 233 234
  • 参数说明

    • ml.epoch.num:迭代轮数
    • ml.feature.index.range:特征索引范围
    • ml.model.size:特征维数
    • ml.data.validate.ratio:验证集采样率
    • ml.data.type:数据类型,分“libsvm”和“dummy”两种
    • ml.learn.rate:学习率
    • ml.opt.decay.class.name:学习率衰减系类
    • ml.opt.decay.on.batch: 是否对每个mini batch衰减
    • ml.opt.decay.alpha: 学习率衰减参数alpha
    • ml.opt.decay.beta: 学习率衰减参数beta
    • ml.opt.decay.intervals: 学习率衰减参数intervals
    • ml.reg.l2:l2正则项系数
    • action.type:任务类型,训练用”train”,预测用”predict”
    • ml.fm.field.num:输入数据领域(field)的个数
    • ml.fm.rank:embedding中vector的长度
    • ml.inputlayer.optimizer:优化器类型,可选”adam”,”ftrl”和”momentum”
    • ml.data.label.trans.class: 是否要对标签进行转换, 默认为”NoTrans”, 可选项为”ZeroOneTrans”(转为0-1), “PosNegTrans”(转为正负1), “AddOneTrans”(加1), “SubOneTrans”(减1).
    • ml.data.label.trans.threshold: “ZeroOneTrans”(转为0-1), “PosNegTrans”(转为正负1)这两种转还要以设一个阈值, 大于阈值的为1, 阈值默认为0
    • ml.data.posneg.ratio: 正负样本重采样比例, 对于正负样本相差较大的情况有用(如5倍以上)
  • 提交命令 可以通过下面的命令提交FM算法:

    1. ../../bin/angel-submit \
    2. -Dml.epoch.num=20 \
    3. -Dangel.app.submit.class=com.tencent.angel.ml.core.graphsubmit.GraphRunner \
    4. -Dml.model.class.name=com.tencent.angel.ml.classification.FactorizationMachines \
    5. -Dml.feature.index.range=$featureNum \
    6. -Dml.model.size=$featureNum \
    7. -Dml.data.validate.ratio=0.1 \
    8. -Dml.data.type=libsvm \
    9. -Dml.learn.rate=0.1 \
    10. -Dml.reg.l2=0.03 \
    11. -Daction.type=train \
    12. -Dml.fm.field.num=11 \
    13. -Dml.fm.rank=8 \
    14. -Dml.inputlayer.optimizer=ftrl \
    15. -Dangel.train.data.path=$input_path \
    16. -Dangel.workergroup.number=20 \
    17. -Dangel.worker.memory.mb=20000 \
    18. -Dangel.worker.task.number=1 \
    19. -Dangel.ps.number=20 \
    20. -Dangel.ps.memory.mb=10000 \
    21. -Dangel.task.data.storage.level=memory \
    22. -Dangel.job.name=angel_l1