xlearnでFFMを動かす(備忘録)
FM(Factorization Machines)はRendleが2010年に提案したレコメンダ向けアルゴリズムである(https://www.csie.ntu.edu.tw/~b97053/paper/Rendle2010FM.pdf)。
これの表現力をさらに向上させたFFM(Field-aware Factorization Machines)が2017年にYuchin Juanらにより提案された。
その名の通り，カテゴリごとに異なる潜在ベクトルを用意して使い分けるFMアルゴリズムである。同著者のlibFFMなどでCのソースコードが公開されているが，Pythonで動かしたかったため，xlearn(https://xlearn-doc.readthedocs.io/en/latest/index.html)を導入することにした。xlearnではFFMだけでなく通常のFMなども使用でき，FM関係の計算環境構築に便利。以下，導入手順をまとめておく(Windows/anaconda/pythonを想定)。
①WSL構築，VScode，anaconda導入
https://penyoo.hatenablog.com/entry/2019/11/30/002503の手順でOK。
②xlearn導入
2-1 cmakeインストール
Ubuntuのterminalを開き，sudo apt install cmake
2-2 xlearnのインストール
git clone https://github.com/aksnzhy/xlearn.git
cd xlearn
mkdir build
cd build
cmake ../
make
2-3 インストール状況が100%になったら，初期動作確認。
./run_example.shを実行。xlearnのAAが表示されればOK。
③FFMデモコード動作確認
3-1 python開く
cd python-package
3-2 デモ実行
import xlearn as xl
ffm_model = xl.create_ffm()
ffm_model.setTrain("/home/user/xlearn/demo/classification/criteo_ctr/small_train.txt") ffm_model.setValidate("/home/user/xlearn/demo/classification/criteo_ctr/small_test.txt")
param = {'task':'binary', 'lr':0.2, 'lambda':0.002, 'metric':'acc'}
ffm_model.fit(param, './model.out')
＊「user」はひとそれぞれ。上記のアドレスは訓練データとテストデータのデフォルトの保存場所にしましたが，人によっては異なるかも。その場合は，windows側から保存場所を確認したいなら，適当なフォルダを開いて「\\wsl$\Ubuntu\」のおまじないを入力し，xlearnのフォルダ場所を地道に探してみてください。
