如何解决如何使用Vowpal Wabbit的情境强盗学习排名？
我正在使用Vowpal Wabbit的上下文强盗对给定上下文的各种动作进行排名。
Train Data:
"1:10:0.1 | 123"
"2:9:0.1 | 123"
"3:8:0.1 | 123"
"4:7:0.1 | 123"
"5:6:0.1 | 123"
"6:5:0.1 | 123"
"7:4:0.1 | 123"
Test Data:
" | 123"
现在，预期的操作等级应该是（从最小损失到最大损失）：
7 6 5 4 3 2 1
使用--cb仅返回最佳操作：
7
使用--cb_explore返回要探索的动作的pdf，但似乎无助于排名。
[0.0071428571827709675,0.0071428571827709675,0.9571428298950195]
还有其他使用大众汽车的背景土匪进行排名的方法吗？
解决方法
Olga对仓库的回应：https://github.com/VowpalWabbit/vowpal_wabbit/issues/2555
-cb不做任何探索，仅根据输入来训练模型，因此输出将是模型（经过训练的模型） 远）预测
-cb_explore默认包含使用epsilon-greedy的探索（如果未指定其他任何内容）。您可以看看所有可用的 探索方法
cb_explore的输出是勘探策略给出的PMF（请参阅 在这里获取更多信息）。
Epsilon-greedy将以概率e选择一个随机动作 来自均匀分布（探索），概率为1-e epsilon-greedy将使用经过广泛训练的模型来预测最佳 行动（剥削）。
因此，输出将是操作的pmf（问题1-e或e代表 选择的动作），那么剩余的概率将相等 在其余动作之间进行分配。因此cb_explore将不会 为您提供排名。
排名的一种选择是使用CCB。然后你得到一个排名 可以在任何广告位上提供反馈，但计算量更大 昂贵。 CCB为每个广告位运行CB，但效果是排名 因为每个广告位都来自整个操作池。
我的后续行动：
如果计算限制允许，我认为CCB是一个不错的选择。我只是 想补充一点，如果您执行cb_explore或cb_explore_adf，则 产生的PMF应该按分数排序，因此它是排序的等级。 但是，值得验证的是排序实际上是按 得分（-审核会有所帮助），因为我不知道是否要进行测试 覆盖这个。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。