Artificial intelligence 预测建模可以只应用于一个问题还是多个问题

我遇到一家做模特的公司，他们说

因为我们的预测模型是 调整到您独特的业务 要求和情况 可应用于各种不同的领域 预测和预测活动 跨越众多问题类型和 领域

---

我想知道Predicive模型是针对每个任务进行唯一编程，还是一次性编程并在任何地方使用。我有点困惑

它是不同的：您可以有一个高度优化的预测模型，通过利用特定数据集专门知道的东西，在特定数据集上表现得非常好。例如，如果您正在分析URL，并且每个URL都是一个字符串（最多255个字符），那么每个（UTF 8）字符都是8位或1个字节，因此您需要255个字节来存储每个URL。您可以使用类似CityHash64的散列函数对每个URL进行散列，如果您现在能够用8个字节而不是255个字节来存储URL的话。这可以内置到算法中，以使其使用更少的内存，这将允许它将更多的数据放入RAM中，并使计算速度更快，但这种类型的优化不能用于旨在支持各种数据类型的系统。在一般情况下，您没有足够的领域知识来进行此类优化

在“相反”的一端，即这家公司似乎所在的地方，您将提供一个通用系统，该系统以某种格式接收数据，并对数据应用预定义的算法。您可能有一些参数，允许您调整系统，以防您获得更多的领域知识，但这与对URL进行哈希以减少3000%的内存使用量相去甚远。提供这类服务的公司通常应用代码，他们只编写一次代码，并尽可能地重用代码（以节省资金并实现利润最大化）。他们可能会在设置中做一些小的优化或调整，但他们通常会避免只为特定客户机编码算法

---

这绝对不是你所关注的公司正在做什么的准确描述，但根据你的报价，这似乎是一个有效的假设。只是为了让人们明白我不是在做判断：如果那家公司正在推广，如果我的业务依赖于我为尽可能多的客户提供服务，那么我也会进行概括。

它会有所不同：您可以拥有一个经过高度优化的预测模型，通过利用特定数据集专门知道的信息，在特定数据集上表现得非常好。例如，如果您正在分析URL，并且每个URL都是一个字符串（最多255个字符），那么每个（UTF 8）字符都是8位或1个字节，因此您需要255个字节来存储每个URL。您可以使用类似CityHash64的散列函数对每个URL进行散列，如果您现在能够用8个字节而不是255个字节来存储URL的话。这可以内置到算法中，以使其使用更少的内存，这将允许它将更多的数据放入RAM中，并使计算速度更快，但这种类型的优化不能用于旨在支持各种数据类型的系统。在一般情况下，您没有足够的领域知识来进行此类优化

在“相反”的一端，即这家公司似乎所在的地方，您将提供一个通用系统，该系统以某种格式接收数据，并对数据应用预定义的算法。您可能有一些参数，允许您调整系统，以防您获得更多的领域知识，但这与对URL进行哈希以减少3000%的内存使用量相去甚远。提供这类服务的公司通常应用代码，他们只编写一次代码，并尽可能地重用代码（以节省资金并实现利润最大化）。他们可能会在设置中做一些小的优化或调整，但他们通常会避免只为特定客户机编码算法

这绝对不是你所关注的公司正在做什么的准确描述，但根据你的报价，这似乎是一个有效的假设。只是为了让人们明白我不是在做判断：如果那家公司在推广，如果我的业务依赖于我为尽可能多的客户提供服务，那么我也会推广