WideAndDeep¶
简介¶
WideAndDeep包含Wide和Deep两部分，Wide部分负责记忆，Deep部分负责泛化。Wide部分可以做显式的特征交叉，Deep部分可以实现隐式自动的特征交叉。
配置说明¶
model_config:{
model_class: "WideAndDeep"
feature_groups: {
group_name: "deep"
feature_names: "hour"
feature_names: "c1"
...
feature_names: "site_id_app_id"
wide_deep:DEEP
}
feature_groups: {
group_name: "wide"
feature_names: "hour"
feature_names: "c1"
...
feature_names: "c21"
wide_deep:WIDE
}
wide_and_deep {
wide_output_dim: 16
dnn {
hidden_units: [128, 64, 32]
}
final_dnn {
hidden_units: [128, 64]
}
l2_regularization: 1e-5
}
embedding_regularization: 1e-7
}
model_class: ‘WideAndDeep’, 不需要修改
feature_groups:
需要两个feature_group: wide group和deep group, group name不能变
wide_and_deep: wide_and_deep 相关的参数
dnn: deep part的参数配置
hidden_units: dnn每一层的channel数目，即神经元的数目
wide_output_dim: wide部分输出的大小
final_dnn: 整合wide part, deep part的参数输入, 可以选择是否使用
hidden_units: dnn每一层的channel数目，即神经元的数目
embedding_regularization: 对embedding部分加regularization，防止overfit
input_type: 如果在提交到pai-tf集群上面运行，读取max compute 表作为输入数据，data_config：input_type要设置为OdpsInputV2。