本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 因子分解机超参数
下表包含因子分解机算法的超参数。这些是由用户设置的参数，以便于从数据中评估模型参数。首先，按字母顺序列出必须设置的所需超参数。接下来，也按字母顺序列出可以设置的可选超参数。
| 参数名称 | 说明 |
| --- | --- |
| feature\_dim | 输入特征空间的维度。对于稀疏输入，这可能非常高。
**必填**
有效值：正整数。建议的值范围：[10000,10000000] |
| num\_factors | 因子分解的维度。
**必填**
有效值：正整数。建议的值范围：[2,1000]，值 64 通常会得到较好的结果，是一个很好的起点。 |
| predictor\_type | 预测器的类型。[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/fact-machines-hyperparameters.html)
**必填**
有效值：字符串：`binary_classifier` 或 `regressor` |
| bias\_init\_method | 偏置项的初始化方法：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/fact-machines-hyperparameters.html)
**可选**
有效值：`uniform`、`normal` 或 `constant`
默认值：`normal` |
| bias\_init\_scale | 偏置项的初始化范围。在 `bias_init_method` 设置为 `uniform` 时生效。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：无。 |
| bias\_init\_sigma | 偏置项的初始化标准差。在 `bias_init_method` 设置为 `normal` 时生效。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.01 |
| bias\_init\_value | 偏置项的初始值。在 `bias_init_method` 设置为 `constant` 时生效。
**可选**
有效值：浮点值。建议的值范围：[1e-8, 512]。
默认值：无。 |
| bias\_lr | 偏置项的学习率。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.1 |
| bias\_wd | 偏置项的权重衰减。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.01 |
| clip\_gradient | 梯度裁剪优化程序参数。通过投射到间隔 [-`clip_gradient`, \+`clip_gradient`] 来剪辑梯度。
**可选**
有效值：浮点值
默认值：无。 |
| epochs | 要运行的训练纪元数。
**可选**
有效值：正整数
默认值：1 |
| eps | Epsilon 参数，以避免被 0 除。
**可选**
有效值：浮点值。建议的值：小。
默认值：无。 |
| factors\_init\_method | 因子分解项的初始化方法：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/fact-machines-hyperparameters.html)
**可选**
有效值：`uniform`、`normal` 或 `constant`。
默认值：`normal` |
| factors\_init\_scale | 因子分解项的初始化范围。在 `factors_init_method` 设置为 `uniform` 时生效。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：无。 |
| factors\_init\_sigma | 因子分解项的初始化标准差。在 `factors_init_method` 设置为 `normal` 时生效。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.001 |
| factors\_init\_value | 因子分解项的初始值。在 `factors_init_method` 设置为 `constant` 时生效。
**可选**
有效值：浮点值。建议的值范围：[1e-8, 512]。
默认值：无。 |
| factors\_lr | 因子分解项的学习率。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.0001 |
| factors\_wd | 因子分解项的权重衰减。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.00001 |
| linear\_lr | 线性项的学习率。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.001 |
| linear\_init\_method | 线性项的初始化方法：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/fact-machines-hyperparameters.html)
**可选**
有效值：`uniform`、`normal` 或 `constant`。
默认值：`normal` |
| linear\_init\_scale | 线性项的初始化范围。在 `linear_init_method` 设置为 `uniform` 时生效。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：无。 |
| linear\_init\_sigma | 线性项的初始化标准差。在 `linear_init_method` 设置为 `normal` 时生效。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.01 |
| linear\_init\_value | 线性项的初始值。在 `linear_init_method` 设置为 *constant* 时生效。
**可选**
有效值：浮点值。建议的值范围：[1e-8, 512]。
默认值：无。 |
| linear\_wd | 线性项的权重衰减。
**可选**
有效值： Non-negative 浮动。建议的值范围：[1e-8, 512]。
默认值：0.001 |
| mini\_batch\_size | 用于训练的小批次大小。
**可选**
有效值：正整数
默认值：1000 |
| rescale\_grad | 梯度重新扩展优化程序参数。如果设置，则在更新之前将梯度与 `rescale_grad` 相乘。通常选择为 1.0/`batch_size`。
**可选**
有效值：浮点值
默认值：无。 |