A funkció fontosságának kiértékelése

Az előzménynapló adatainak funkcióértékelésével felmérheti, hogy az egyes funkciók mennyire fontosak a Personalizer gépi tanulási modelljében. A funkcióértékelések a következőkben hasznosak:

• Ismerje meg, hogy mely funkciók a leginkább vagy legkevésbé fontosak a modell számára.
• Ötletgyűjtés további funkciókkal, amelyek hasznosak lehetnek a tanulásban azáltal, hogy ihletet merítenek a modellben jelenleg fontos funkciókból.
• Azonosíthatja a további elemzéshez vagy eltávolításhoz megfontolandó, esetleg nem lényeges vagy nem hasznos funkciókat.
• A funkciók tervezésekor és a Personalizernek való elküldésekor előforduló gyakori problémák és hibák elhárítása. Például a GUID-k, időbélyegek vagy más, általában ritkán használt funkciók használata problémás lehet. További információ a funkciók fejlesztéséről.

Mi az a funkcióértékelés?

A funkcióértékelések az aktuális modellkonfiguráció egy másolatának betanításával és futtatásával zajlanak az előzményként gyűjtött naplóadatokon egy adott időszakban. A rendszer egyenként figyelmen kívül hagyja a funkciókat a modell teljesítménybeli különbségének méréséhez az egyes funkciókkal és azok nélkül. Mivel a funkció kiértékelése előzményadatokon történik, nem garantálható, hogy ezek a minták a jövőbeni adatokban is megfigyelhetők lesznek. Ezek az elemzések azonban továbbra is relevánsak lehetnek a jövőbeli adatok szempontjából, ha a naplózott adatok megfelelő variabilitást vagy nem helyhez kötött tulajdonságokat rögzítettek az adatokhoz. A jelenlegi modell teljesítményét nem befolyásolja a funkcióértékelés futtatása.

A funkció fontossági pontszáma annak mértéke, hogy a funkció milyen relatív hatással van a jutalomra az értékelési időszakban. A funkció fontossági pontszámai 0 (legkevésbé fontos) és 100 (legfontosabb) közötti szám, és a funkcióértékelésben jelennek meg. Mivel a kiértékelés egy adott időszakon keresztül történik, a funkció fontossága megváltozhat, amikor további adatokat küldenek a Personalizernek, valamint a felhasználók, a forgatókönyvek és az adatok idővel változnak.

Funkcióértékelés létrehozása

A funkció-fontossági pontszámok beszerzéséhez létre kell hoznia egy funkcióértékelést a naplózott adatok egy időszakában, hogy létrehozzon egy jelentést, amely tartalmazza a funkció fontossági pontszámait. Ez a jelentés az Azure Portalon tekinthető meg. Funkcióértékelés létrehozása:

1. Ugrás az Azure Portal webhelyére
2. A Personalizer-erőforrás kiválasztása
3. Válassza ki a Monitor szakaszt az oldalsó navigációs panelen
4. A Szolgáltatások lap kiválasztása
5. Válassza a "Jelentés létrehozása" lehetőséget, és meg kell jelennie egy új képernyőnek
6. Válasszon nevet a jelentésnek
7. A próbaidőszak kezdő és befejező időpontjainak kiválasztása
8. Válassza a "Jelentés létrehozása" lehetőséget

Ezután a jelentés nevének meg kell jelennie az alábbi jelentéstáblában. A funkcióértékelés létrehozása egy hosszú ideig futó folyamat, ahol a befejezési idő a Personalizernek a kiértékelési időszak során küldött adatok mennyiségétől függ. A jelentés létrehozása közben az Állapot oszlop a "Futtatás" értéket jelzi a kiértékeléshez, és a befejezés után a "Sikeres" értékre frissül. Rendszeresen ellenőrizze, hogy a kiértékelés befejeződött-e.

Több funkcióértékelést is futtathat különböző időszakokban, amikor a Personalizer-erőforrás naplóadatokat tartalmaz. Győződjön meg arról, hogy az adatmegőrzési időszak elég hosszú ahhoz, hogy kiértékelhesse a régebbi adatokat.

A funkció fontossági pontszámainak értelmezése

Magas fontossági pontszámmal rendelkező funkciók

A nagyobb fontosságú pontszámokkal rendelkező funkciók a kiértékelési időszakban a többi funkcióhoz képest nagyobb hatással voltak a modellre. A fontos funkciók ihletet adhatnak a modellben szereplő további funkciók tervezéséhez. Ha például az "IsWeekend" vagy az "IsWeekday" környezeti funkciók nagy jelentőséggel bírnak a bevásárláshoz, előfordulhat, hogy az ünnepnapok vagy a hosszú hétvégék is fontos tényezők lehetnek, ezért érdemes megfontolni az információk rögzítésére szolgáló funkciók hozzáadását.

Alacsony fontossági pontszámmal rendelkező funkciók

Az alacsony fontosságú pontszámokkal rendelkező funkciók jó jelöltek a további elemzéshez. Nem minden alacsony pontozási funkció feltétlenül rossz vagy nem hasznos, mivel az alacsony pontszámok egy vagy több okból is előfordulhatnak. Az alábbi lista segítséget nyújt annak elemzésében, hogy a funkciók miért lehetnek alacsony pontszámmal:

• A funkciót ritkán figyelték meg az adatokban a kiértékelési időszakban.

  • Ha a funkció előfordulási száma más funkciókhoz képest alacsony, ez azt jelezheti, hogy a funkció nem volt elég gyakran jelen ahhoz, hogy a modell megállapítsa, értékes-e vagy sem.

• A funkcióértékek nem sok változatosságot vagy változatosságot tartalmaztak.

  • Ha a szolgáltatás egyedi értékeinek száma alacsonyabb a vártnál, ez azt jelezheti, hogy a funkció nem sokat változik a kiértékelési időszakban, és nem nyújt jelentős betekintést.

• A funkcióértékek túl zajosak (véletlenszerűek), vagy túl eltérőek voltak, és kevés értéket adtak meg.

  • Ellenőrizze az egyedi értékek számát a funkcióértékelésben. Ha a szolgáltatás egyedi értékeinek száma magasabb a vártnál, vagy más funkciókhoz képest magas, ez azt jelezheti, hogy a funkció túl zajos volt a kiértékelési időszakban.

• Adat- vagy formázási probléma merült fel.

  • Ellenőrizze, hogy a funkciók a várt módon vannak-e formázva és elküldve a Personalizernek.

• A funkció nem feltétlenül hasznos a tanulás és a teljesítmény modellezéséhez, ha a funkció pontszáma alacsony, és a fenti okok nem érvényesek.

  • Fontolja meg a funkció eltávolítását, mivel ez nem segít a modellnek az átlagos jutalom maximalizálásában.

Az alacsony fontosságú pontszámokkal rendelkező funkciók eltávolítása felgyorsíthatja a modell betanítását a tanuláshoz szükséges adatok mennyiségének csökkentésével. Emellett javíthatja a modell teljesítményét is. Ez azonban nem garantált, és további elemzésre lehet szükség. További információ a környezet- és műveletfunkciók tervezéséről.

Gyakori problémák és lépések a funkciók fejlesztéséhez

• Szolgáltatások küldése magas számossággal. A magas számosságú funkciók olyan jellemzők, amelyek számos különböző értékkel rendelkeznek, amelyek nem valószínű, hogy sok eseményt megismételnek. Például egy személyre vonatkozó személyes adatokat (például név, telefonszám, hitelkártyaszám, IP-cím) nem szabad használni a Personalizerrel.

• Felhasználói azonosítók küldése nagy számú felhasználóval, nem valószínű, hogy ezek az információk relevánsak a Personalizer-tanulás szempontjából az átlagos jutalompontszám maximalizálása érdekében. A felhasználói azonosítók (még ha nem is személyes adatok) küldése valószínűleg nagyobb zajt ad a modellnek, és nem ajánlott.

• A funkciók túl ritkák. Az értékek eltérőek, és ritkán fordulnak elő többször. A pontos időbélyegek a másodikig nagyon ritkák lehetnek. Sűrűbbé (és ezáltal hatékonyabbá) teheti az idő "reggel", "dél" vagy "délután" típusú csoportosításával, például.

A helyinformációk általában szélesebb körű besorolások létrehozásával is járnak. Például egy szélesség-hosszúság koordináták, mint például a Lat: 47,67402° N, Long: 122,12154° W túl pontos, és a modellt arra kényszeríti, hogy megtanulja a szélességet és a hosszúságot különböző dimenziókként. Ha helyadatok alapján próbál személyre szabni, az segít a helyinformációk nagyobb szektorokban való csoportosításában. Ennek egy egyszerű módja, ha a lat-long számokhoz megfelelő kerekítési pontosságot választ, és a szélességet és a hosszúságot egy sztringgel kombinálja a "területekre". Például egy jó módja annak, hogy képviselje a Lat: 47,67402° N, Hosszú: 122,12154° W régiókban körülbelül néhány kilométer széles lenne a "hely":"34.3 , 12.1".

• Bővítse ki a funkciókészleteket extrapolált információkkal . További funkciókat is kaphat, ha olyan ismeretlen attribútumokra gondol, amelyek a már meglévő információkból származtathatók. Egy fiktív filmlista személyre szabása esetén például lehetséges, hogy a hétvége és a hétköznap eltérő viselkedést vált ki a felhasználóktól? Az idő kiterjeszthető "hétvége" vagy "hétköznap" attribútummal. A nemzeti/regionális kulturális ünnepek bizonyos filmtípusokra irányítják a figyelmet? A "Halloween" attribútum például olyan helyeken hasznos, ahol releváns. Lehetséges, hogy az esős időjárás jelentős hatással van a film kiválasztására sok ember számára? Az idő és a hely alapján a meteorológiai szolgálat szolgáltathatja ezeket az információkat, és további funkcióként is hozzáadhatja.

Következő lépések

A szabályzatok teljesítményének elemzése offline kiértékeléssel a Personalizerrel.