liblinear实践初步
在相关推荐项目的改版中,对liblinear/fm/xgboost等主流成熟算法模型的训练效果进行了尝试和对比,并在一期改造中选择了liblinear实际上线使用。本文主要从工程应用的角度对liblinear涉及的各模式进行初步介绍,并给出liblinear/fm/xgboost的实际评测结果供参考。 (参考自http://blog.csdn.net/ytbigdata/article/details/52909685)
1. Liblinear说明
考虑到训练效率,本次选用的为多线程并行版liblinear,实际为liblinear-multicore-2.1-4,首先直接给出其train命令所支持的各模式说明,各模式选择不仅与我们使用liblinear工具直接相关,也对我们理解liblinear很有帮助,下面即主要围绕这些模式展开。
ParallelLIBLINEAR is only available for -s0, 1, 2, 3, 11 now
Usage:train [options] training_set_file[model_file]
options:
-s type : set typeof solver (default 1)
formulti-class classification (dual对偶的, primal 原始的)
0 -- L2-regularized logisticregression (primal) ---逻辑回归
1 -- L2-regularized L2-losssupport vector classification (dual) ---线性svm
2 -- L2-regularized L2-loss supp