Kişiselleştirici öğrenme döngüsünü yapılandırma
Hizmet yapılandırması, hizmetin yeniden nasıl davrandığını, hizmetin ne sıklıkla incelendiğine, modelin ne sıklıkta geri alınacağını ve ne kadar veri depolandığını içerir.
Yapılandırma sayfasında, söz konusu kişiselleştirici kaynağı için Azure Portal için öğrenme döngüsünü yapılandırın.
Yapılandırma değişikliklerini planlama
Bazı yapılandırma değişiklikleri modelinizi sıfırlacağından, yapılandırma değişikliklerinizi planlamanız gerekir.
Apprenlet modunukullanmayı planlıyorsanız, apprenlet moduna geçmeden önce kişiselleştirici yapılandırmanızı gözden geçirdiğinizden emin olun.
modeli sıfırlamayı içeren Ayarlar
Aşağıdaki eylemler, son 2 güne kadar kullanılabilir olan verileri kullanarak modelin yeniden eğitimini tetikler.
- Ödül
- Araştırma
Tüm verilerinizi temizlemek için model ve öğrenme ayarları sayfasını kullanın.
Geri bildirim döngüsü için yeniden ödüller yapılandırma
Öğrenme döngünüz için hizmeti yapılandırın. Aşağıdaki değerlerde yapılan değişiklikler geçerli kişiselleştirici modeli sıfırlar ve son 2 güne kadar verileri yeniden eğitecektir.
| Değer | Amaç |
|---|---|
| Bekleme süresi | Bir derecelendirme çağrısı için Kişiselleştiriciye ait değer toplama işleminin ne kadar süre olacağını belirleyen süreyi ayarlar. Bu değer şu sorarak ayarlanır: "kişiselleştirici, yeniden ödüller için ne kadar bekleneceği?" Bu pencere günlüğe yazılır, ancak öğrenimi için kullanılmaz. |
| Varsayılan değer | Bir derecelendirme çağrısıyla ilişkili bir yeniden bekleme süresi penceresi sırasında kişiselleştirici tarafından hiçbir yeniden çağrı alınmıyorsa, kişiselleştirici varsayılan bir ödül atar. Varsayılan olarak ve çoğu senaryoda varsayılan değer sıfırdır (0). |
| Yeniden toplama | Aynı derecelendirme API çağrısı için birden fazla yeniden yer alınmışsa, bu toplama yöntemi kullanılır: Sum veya en erken. En erken alınan puanı seçer ve kalanı atar. Muhtemelen yinelenen çağrılar arasında benzersiz bir değer istiyorsanız bu yararlı olur. |
Bu değerleri değiştirdikten sonra Kaydet' i seçtiğinizden emin olun.
Öğrenme döngüsünün uyarlanmasına izin vermek için araştırmayı yapılandırın
Kişiselleştirme, eğitilen modelin tahminini kullanmak yerine alternatifleri inceleyerek yeni desenleri bulabilir ve zaman içinde Kullanıcı davranışı değişikliklerine uyum sağlayabilir. Araştırma değeri, araştırma Için hangi derece çağrı yüzdesinin yanıtlandığını belirler.
Bu değerde yapılan değişiklikler geçerli kişiselleştirici modeli sıfırlar ve son 2 güne kadar yeniden eğitecektir.
Bu değeri değiştirdikten sonra Kaydet' i seçtiğinizden emin olun.
Model eğitimi için model güncelleştirme sıklığını yapılandırma
Model güncelleştirme sıklığı , modelin eğitilme sıklığını ayarlar.
| Sıklık ayarı | Amaç |
|---|---|
| 1 dakika | Tek dakikalık güncelleştirme frekansları, bir uygulama kodunun kişiselleştirici kullanılarak hata ayıklaması , tanıtımlar yapılması veya makine öğrenimi yönlerini etkileşimli olarak test edilmesi için yararlıdır. |
| 15 dakika | Yüksek model güncelleştirme frekansları, Kullanıcı davranışlardaki değişiklikleri yakından izlemek istediğiniz durumlar için yararlıdır. Örnek olarak canlı haberler, viral içerik veya canlı Ürün Deklarasyon üzerinde çalışan siteler bulunur. Bu senaryolarda 15 dakikalık bir sıklık kullanabilirsiniz. |
| 1 saat | Çoğu kullanım durumu için, daha düşük bir güncelleştirme sıklığı etkilidir. |
Bu değeri değiştirdikten sonra Kaydet' i seçtiğinizden emin olun.
Veri saklama
Veri saklama süresi , kişiselleştirmede kaç gün veri günlüğü tutacağını ayarlar. son veri günlükleri, kişiselleştirici 'nin verimliliğini ölçmek ve Learning ilkesini iyileştirmek için kullanılan çevrimdışı değerlendirmelergerçekleştirmek için gereklidir.
Bu değeri değiştirdikten sonra Kaydet' i seçtiğinizden emin olun.