原书出处
深度学习推荐系统
08 第8章 深度学习推荐系统的前沿实践
频率降低到 1%时,模型损失大幅上升了 9%左右。因此,10%的采样频率是一个比较合适的平衡工程消耗和理论最优的选择。
另一种方法负采样则保留全量正样本,对负样本进行降采样。除了提高训练效率,负采样还直接解决了正负样本不均衡的问题,Facebook经验性地选择了从0.0001到0.1的负采样频率
,试验效果如图8-4所示。 图8-4 不同负采样频率下的模型损失 可以看到,当负采样频率在0.0250时,模型损失不仅小
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0012_split_001.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382