本实验选用数据为UCI开源数据集,仅用于学习,请勿商用)
Wide&Deep推荐算法出自一篇论文《Wide&Deep Learning for RecommenderSystems》,Wide&Deep由两部分组成,分别是Wide和Deep。先来说wide,表示的是generalized的推荐系统,传统的推荐系统都是通过线性算法基于离散特征来做推荐的。Wide推荐通常是这样的:系统通过获得用户的购物日志数据,包括用户点击哪些商品,购买过哪些商品,然后通过one-hot编码的方式构成离散特征或者通过对业务的理解衍生出一些特征,并进行计算,类似于本系列文章第二篇。这种wide推荐方式有非常多的好处,比如对于大规模的稀疏数据有很好的效果,而且模型的解释性很强。什么叫模型的解释性呢?以逻辑回归为例,每个特征都对应模型中的一个权重值,每个特征的权重值的大小跟这个特征对结果的影响是有关的。那么wide方式同样有很多缺点,比如我们一直强调的,特征衍生需要很多人为操作,需要专家经验,另外这种推荐只对用户操作过的商品有效。
接着讲下deep,这里的deep表示的是通过深度学习学习出来的一些向量,这些向量是隐性特征,往往是没有明确可解释性的。这些向量也可以作为特征的一部分参与到训练中。通过deep方式产生的特征会有以下好处,其一可以拟补人为提取特征造成的人力思考维度的限制,试想下一个人可以轻易的思考出二阶乘法的结果,如果是五阶呢?其二这部分特征是深度学习框架自动生成的,无需人力干预。
既然Wide和Deep算法各有千秋,那如果可以将两种算法作为组合,那么一定可以生成更有效的推荐场景的模型,本文就介绍如何在PAI-DSW上实现基于Wide&Deep的预测。
一、业务场景描述
本节使用的是PAI-DSW云端深度学习训练平台和PAI-EAS模型服务平台,使用的是一份开源的基于人的各种背景的统计数据,解决的问题是基于人的各种基础数据预测每个人收入是否会超过50K。
本实验的全部代码和数据已经内置于PAI-DSW,只要打开DSW就可以安装下方的教程运行实验。
二、数据集介绍
数据源:引用UCI开源数据源,https://archive.ics.uci.edu/ml/datasets/Census+Income
具体特征字段如下:
字段名 | 含义 | 类型 | 描述 |
---|---|---|---|
age | 对象年龄 | double | 对象的年龄大小 |
workclass | 工作性质 | string | 自由职业者、私企、企业人员、政府工作者、无业游民等 |
fnlwgt | 连续数据 | double | - |
education | 学历 | string | 学士、说是、博士、11th、10th、1s-4th等等 |
education-num | 教育年限 | double | 教育年限 |
marital-status | 婚姻状况 | string | 单身、未婚、离异等等 |
occupation | 职业 | string | 工程师、农民、销售等等 |
relatonship | 家庭角色 | string | 妻子、父亲、没家庭等等 |
race | 人种 | string | 亚裔、白人、黑人等等 |
sex | 性别 | string | 女性、男性 |
capital-gain | 连续数据 | double | - |
capital-loss | 连续数据 | double | - |
hours-per-week | 连续数据 | double | - |
native-country | 祖籍国家 | string | 美国、哥伦比亚、英格兰、加拿大等等 |
目标字段:income是否超过50k
三、数据探索流程
首先进入PAI-DSW,找到左侧的Demo文件夹,下载Wide&Deep数据集及代码包。
(1)工程描述
首先看下整个工程,
- 包含一个census_data文件夹,里面包含一个训练数据和一个测试数据
- official文件夹是一个工具包
- census_main.py为训练脚本
(2)训练模型
打开一个terminal环境,执行
python census_main.py --export_dir wide_deep_saved_model
wide_deep_saved_model为输出模型所在的文件夹,训练完在文件目录下会找到相应文件,打开后可以看到checkpoint:
把这个checkpoint的号记住。
(3)模型预测
现在已经生成了模型的checkpoint输出,接下来进入terminal,运行以下脚本:
saved_model_cli run --dir wide_deep_saved_model/${模型checkpoint号码}/ --tag_set serve --signature_def="predict" --input_examples='${预测数据}'
根据本文的案例可以执行以下脚本拿到预测结果:
saved_model_cli run --dir wide_deep_saved_model/1542168326/ --tag_set serve --signature_def="predict" --input_examples='examples=[{"age":[46.], "education_num":[10.], "capital_gain":[7688.], "capital_loss":[0.], "hours_per_week":[38.]}, {"age":[24.], "education_num":[13.], "capital_gain":[0.], "capital_loss":[0.], "hours_per_week":[50.]}]'
输入了两条预测数据,最终拿到预测结果:
输入了两条预测数据,可以得到预测输出,第一条预测结果为1,第二条结果为0,可以通过output key probabilities判断(注:矩阵第一行对应第一个预测结果,第二列0.9599956>第一列0.04000434,所以第一个预测结果是1。同理第二个预测结果是0)。
可以通过代码official/wide_deep/census_dataset.py来看具体的特征工程的特征和目标值的构建,目标列>50k时目标值为1,目标列<50k时目标值为0。
于是预测结果第一条的人的预测收入为>50k,预测结果第二条的人的预测收入<50k。
(4)模型在线部署
生成的模型是Tensorflow的标准模型格式,可以通过PAI-EAS将模型部署成Http服务供调用。
部署成在线服务之后,这样就可以做到模型跟用户自身的业务结合,完成PAI模型训练和业务应用的打通。