Tiếp theoHướng dẫn tiếp theo
Mã học máy kiểm tra đơn vị
kỹ thuật
HƯỚNG DẪN KỸ THUẬT
Máy nhân tố mô hình hóa các tương tác tính năng theo cặp bằng cách biểu diễn từng tính năng bằng vectơ nhân tố có chiều thấp đã học.
Nghe hướng dẫn nàyAI thuật lại · ~3 min
Chúng rất hữu ích cho các cài đặt thưa thớt như đề xuất và dự đoán nhấp chuột, trong đó nhiều kết hợp tính năng hiếm khi được quan sát nhưng các yếu tố tiềm ẩn được chia sẻ có thể khái quát trên chúng.
Nhiều vấn đề dự đoán chứa các đặc điểm và tương tác phân loại thưa thớt. Một đại diện hấp dẫn về người dùng, vật phẩm, thiết bị, khu vực và bối cảnh có thể tạo ra một số lượng lớn các cặp tính năng có thể có, hầu hết trong số đó hiếm khi xuất hiện hoặc không bao giờ xuất hiện. Mô hình tuyến tính nắm bắt các hiệu ứng đặc trưng riêng lẻ nhưng cần có các đặc điểm chéo rõ ràng để thể hiện các tương tác. Máy nhân tố hóa (FM) mô hình hóa các hiệu ứng theo cặp đó với các vectơ nhân tố xếp hạng thấp. Dự đoán FM bậc hai bao gồm độ lệch, thuật ngữ tuyến tính cho từng tính năng và thuật ngữ tương tác cho từng cặp tính năng hoạt động. Đối với các tính năng i và j, sự tương tác là tích vô hướng của các vectơ tiềm ẩn v_i và v_j của chúng, nhân với x_i*x_j. Biểu diễn chiều thấp được chia sẻ cho phép mô hình học hỏi từ các quan sát liên quan: vectơ người dùng và thiết bị có thể kết hợp ngay cả khi cặp chính xác của chúng không được quan sát thường xuyên. Việc chia sẻ này đặc biệt hữu ích với dữ liệu thưa thớt. Ví dụ: trong dự đoán nhấp chuột, mô hình có thể bao gồm ID người dùng, loại thiết bị, ID chiến dịch và bối cảnh thời gian. Tương tác yếu tố có thể biểu thị rằng một số người dùng phản hồi khác nhau với các loại thiết bị nhất định mà không tạo hệ số riêng cho mọi kết hợp có thể có. Các kích thước tiềm ẩn được học từ mục tiêu được giám sát, nhưng chúng không tự động có ý nghĩa mà con người có thể đọc được. Việc chính quy hóa kiểm soát kích thước hệ số và việc chia tỷ lệ hoặc mã hóa tính năng sẽ ảnh hưởng đến những tương tác nào được học. FM giả định các tương tác có thể được biểu diễn bằng cấu trúc theo cặp cấp thấp. Chúng có thể bỏ lỡ các hiệu ứng bậc cao hơn trừ khi được mở rộng và chúng có thể phù hợp quá mức khi dữ liệu thưa thớt hoặc hệ số quá lớn. Họ cũng thừa hưởng những thành kiến trong việc hiển thị được ghi lại: một cú nhấp chuột không được quan sát không nhất thiết có nghĩa là không quan tâm. So sánh với các đường cơ sở tuyến tính và đường cơ sở đề xuất khác bằng cách sử dụng đánh giá theo thời gian. Đánh giá xếp hạng, hiệu chuẩn, hiệu suất giữa các nhóm người dùng/mặt hàng và mức độ bao phủ dữ liệu. Hệ số hóa là một kỹ thuật chia sẻ tham số, không đảm bảo rằng các kết hợp không nhìn thấy được dự đoán chính xác hoặc tương tác tiềm ẩn là nguyên nhân.
Mô hình quảng cáo giả định sử dụng ID người dùng, thiết bị và chỉ báo chiến dịch. Máy phân tích nhân tố có thể ước tính tương tác giữa người dùng và thiết bị từ vectơ nhân tố của họ ngay cả khi cặp chính xác đó hiếm khi được đào tạo.
Đối với các tính năng mục và người dùng phổ biến, mô hình tuyến tính tìm hiểu các hiệu ứng riêng biệt nhưng không thể thể hiện sự tương tác giữa mục người dùng mà không có các tính năng chéo rõ ràng. Một máy nhân tố cung cấp điểm tương tác theo cặp thông qua các vectơ tiềm ẩn.
Một hàng thưa thớt chỉ có một vài tính năng đang hoạt động có thể tính toán các số hạng theo cặp của nó mà không cần tạo ra một bảng dày đặc của mọi cặp tính năng có thể có.
Một nhà phân tích so sánh máy phân tích nhân tử với đường cơ sở tuyến tính trên phương pháp phân chia dựa trên thời gian và kiểm tra hiệu chuẩn cũng như phạm vi phân đoạn; sự phù hợp tương tác mạnh mẽ không tự động có nghĩa là các đề xuất không thiên vị.
Máy nhân tố có thể giúp các nhóm lập mô hình các tương tác thưa thớt trong khi vẫn quản lý được đường dẫn dữ liệu của họ, nhưng việc đánh giá nên kiểm tra những người dùng và vật phẩm khởi động nguội cũng như các kết hợp phổ biến. Các báo cáo có thể so sánh các thứ nguyên yếu tố, định nghĩa chính quy và tính năng với đường cơ sở tuyến tính, sau đó theo dõi hiệu chuẩn và chất lượng xếp hạng theo thời gian. Nếu việc hiển thị mục của người dùng có tính chọn lọc, hãy cải thiện việc ghi nhật ký hoặc áp dụng thiết kế đánh giá phù hợp với mục đó. Các vectơ tiềm ẩn không nên được tiếp thị dưới dạng giải thích mà không có xác nhận. Các tính năng bổ sung trong tương lai cần kiểm tra tính khả dụng theo thời gian và đánh giá độ ổn định để cải thiện khả năng tương tác ngoại tuyến không gây ra rò rỉ hoặc khoảng cách hiệu suất không công bằng.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Máy nhân tố mô hình hóa các tương tác tính năng theo cặp bằng cách biểu diễn từng tính năng bằng vectơ nhân tố có chiều thấp đã học. Chúng rất hữu ích cho các cài đặt thưa thớt như đề xuất và dự đoán nhấp chuột, trong đó nhiều kết hợp tính năng hiếm khi được quan sát nhưng các yếu tố tiềm ẩn được chia sẻ có thể khái quát trên chúng.
Các yếu tố tiềm ẩn được chia sẻ cho phép truyền thông tin qua các cặp tính năng thay vì ước tính từng cặp một cách độc lập.
Nếu không có tương tác, mô hình tuyến tính sẽ thêm các hiệu ứng đặc trưng riêng biệt nhưng không thể biểu thị hành vi cụ thể theo từng cặp.
Nhận dạng đại số tính tổng theo cặp theo thời gian tỷ lệ thuận với số lượng tính năng nhân với kích thước tiềm ẩn.
Các yếu tố tiềm ẩn là các biểu diễn số học được và không tự động giải thích được ngữ nghĩa.
Công thức tiêu chuẩn bao gồm các tương tác theo cặp; các hiệu ứng bậc cao hơn yêu cầu các tiện ích mở rộng hoặc tính năng bổ sung.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Mã học máy kiểm tra đơn vị
kỹ thuật