使用以下内容，我可以将原始预测和最终预测作为文件获取：
cat train.vw.txt | vw -c -k --passes 30 --ngram 5 -b 28 --l1 0.00000001 --l2 0.0000001 --loss_function=logistic -f model.vw --compressed --oaa 3
cat test.vw.txt | vw -t -i model.vw --link=logistic -r raw.txt -p predictions.txt
但是，当我将 VW 作为守护程序运行时，我无法获得原始预测：
vw -t -i model.vw --daemon --port 26542 --link=logistic
我是否有传递特定参数或参数来获取原始预测？我更喜欢原始预测，而不是最终预测。谢谢
【问题讨论】：
标签： machine-learning vowpalwabbit
--raw_predictions 是一种 hack（语义取决于使用的缩减），在--daemon 模式下不支持。 （--output_probabilities 之类的东西很有用，实现起来也不难，它可以在守护程序模式下工作，但到目前为止还没有时间实现它。）
作为一种解决方法，您可以在管道中运行 VW，因此它会读取标准输入并将概率写入标准输出：
cat test.data | vw -t -i model.vw --link=logistic -r /dev/stdout | script.sh
【讨论】：
在支持/dev/stdout（和/dev/stderr）的系统上，您可以试试这个：
vw -t -i model.vw --daemon --port 26542 --link=logistic -r /dev/stdout
守护进程会将原始预测写入标准输出，在这种情况下，该输出与 localhost 端口 26542 位于同一位置。
保证行的相对顺序，因为在每个示例中处理不同打印的代码（例如非原始与原始）始终是串行的。
【讨论】：
vw 是非常高效的 C++。它的预测速度与 IO 一样快（学习线程几乎总是比解析/散列/atof 线程慢），因此当涉及像 python 或 java 这样的解释语言时，其他进程而不是 vw 将成为您的瓶颈。至于双进程交互：您可能正在运行单行缓冲。为了获得最佳性能，您应该使缓冲区尽可能大，并延迟交互。每行双上下文切换无疑是性能杀手。通过避免上下文切换，我已经看到了 20 倍的加速。
vw 代码中；但总是欢迎补丁！
由于November 2015，获得概率的最简单方法是使用--oaa=N --loss_function=logistic --probabilities -p probs.txt。 （或者如果您需要依赖标签的功能：--csoaa_ldf=mc --loss_function=logistic --probabilities -p probs.txt。）
--probabilities 也可以与--daemon 一起使用。应该不再需要使用--raw_predictions。
【讨论】：
根据https://github.com/VowpalWabbit/vowpal_wabbit/issues/1118，您可以尝试在命令行中添加--scores 选项：
vw --scores -t -i model.vw --daemon --port 26542
它对我的 oaa 模型有所帮助。
【讨论】：