libfm

FM模型主要目标是：解决数据稀疏的情况下，特征怎样组合的问题，因此该算法主要用于组合特征等特征工程。

参考 https://blog.csdn.net/chloezhao/article/details/53462411  使用手册中文版

具体可以查看readme.pdf

进入src的libfm目录点击make all命令，在bin目录下会生成三个可执行的文件的convert*  libFM*  transpose*

在bin目录下操作命令

1. ./libFM -help :libFM 工具
2. ./convert :将文字文件转换成二进制格式的工具
3. ./transpose:转换二进制设计矩阵的一个工具

4. •  scripts

   — — ltriple format to libfm.pl︰ 一个 Perl 脚本将逗号/制表符分隔的数据集 转换成 libFM 格式。

   • src︰ 源文件的 libFM 和工具

文件格式

libFM的输入数据支持两种文件格式：txt格式和二进制格式。txt推荐新手使用。

 数据格式跟SVMlite和 LIBSVM的一样：4 0:1.5 3:-7.9   y=4,  x0 = 1.5 ,x3=-7.9(先是y，再是xINDEX = VALUE）

For binary classification, cases with y > 0 are regarded as the positive class and with y ≤ 0 as the negative class.

文件转换

推荐系统中经常使用像 userid， itemid， rating的这样的文件格式

1、文本格式

转换libFM文件格式的perl脚本在scripts目录中

#输出将写入到一个文件扩展名为.libfm的文件中。例如，写入toratings.dat.libfm中。将Movielens 1M里的rating.csv转换成libFM格式
./triple_format_to_libfm.pl-in ratings.dat -target 2 -delete_column 3 -separator "::"
包含多个文件
./triple_format_to_libfm.pl -in train.txt,test.txt -target 2 -delete_column 3 -separator ”::”
每个文件单独运行转换脚本，变量（ids）会不匹配


./libFM -task r -train ml1m-train.libfm -test ml1m-test.libfm -dim ’1,1,8’ -iter 1000 -method sgd /als  /mcmc
-learn_rate 0.01 -regular ’0,0,0.01’ -init_stdev 0.1 

2、二进制文件

bin文件夹下的convert

./convert --ifile ratings.dat.libfm --ofilex ratings.x --ofiley ratings.y

输出两个文件: 
（1）包含设计矩阵X即预测器变量的文件
（2）包含预测目标y的文件
建议，分别以.x和.y作为文件拓展名

转置数据： ./transpose --ifile ratings.x --ofile ratings.xt

 

3、LIBFM

libFm工具从训练数据集（-train）和验证数据集（-test）中训练FM模型。

强制参数

• task要指定，到底是classification还是regression，分类还是回归。
•   train和test数据集要指定。可以使用二进制文件，也可以使用libFm文本格式文件
•   dim要指定，k0，k1，k2

• 例如：一个FM，使用bias，1-way interactions，a factorization of k = 8 forpairwise interactions的回归任务——
  /libFM -task r -train ml1m-train.libfm -test ml1m-test.libfm -dim ’1,1,8’

  LIBFM说明

----------------------------------------------------------------------------
libFM
  Version: 1.4.2
  Author:  Steffen Rendle, [e-mail]
  WWW:     http://www.libfm.org/
This program comes with ABSOLUTELY NO WARRANTY; for details see license.txt.
This is free software, and you are welcome to redistribute it under certain
conditions; for details see license.txt.
----------------------------------------------------------------------------
-cache_size     cache size for data storage (only applicable if data is
                in binary format), default=infty
-dim            'k0,k1,k2': k0=use bias, k1=use 1-way interactions,
                k2=dim of 2-way interactions; default=1,1,8
-help           this screen
-init_stdev     stdev for initialization of 2-way factors; default=0.1
-iter           number of iterations; default=100
-learn_rate     learn_rate for SGD; default=0.1
-meta           filename for meta information about data set
-method         learning method (SGD, SGDA, ALS, MCMC); default=MCMC
-out            filename for output
-regular        'r0,r1,r2' for SGD and ALS: r0=bias regularization,
                r1=1-way regularization, r2=2-way regularization
-relation       BS: filenames for the relations, default=''
-rlog           write measurements within iterations to a file;
                default=''
-task           r=regression, c=binary classification [MANDATORY]
-test           filename for test data [MANDATORY]
-train          filename for training data [MANDATORY]
-validation     filename for validation data (only for SGDA)
-verbosity      how much infos to print; default=0