Machine learning 如何用macine学习建模个性化阈值问题
假设我有一个候选选择系统来生成推荐的产品/用户对。目前，为了保持推荐产品的质量栏，我们训练了一个模型来优化链接的点击，表示为pClick（产品，用户）模型，该模型的输出分数为（0,1），表示用户点击推荐产品的可能性 对于我们最初发布的产品，我们为所有用户设置了一个手动选择的阈值，比如T。对于所有用户，只有当阈值通过T时，我们才会向用户发送推荐 现在我们意识到这不是最优的：一些用户不太关心推荐质量，而另一些用户的推荐质量很高。个性化阈值，而不是全局T可以帮助我们提高整体相关性 目标是输出每个用户的阈值，假设我们有每个用户的活动和用户/产品属性的培训数据Machine learning 如何用macine学习建模个性化阈值问题,machine-learning,search,recommendation-engine,information-retrieval,Machine Learning,Search,Recommendation Engine,Information Retrieval,假设我有一个候选选择系统来生成推荐的产品/用户对。目前，为了保持推荐产品的质量栏，我们训练了一个模型来优化链接的点击，表示为pClick（产品，用户）模型，该模型的输出分数为（0,1），表示用户点击推荐产品的可能性 对于我们最初发布的产品，我们为所有用户设置了一个手动选择的阈值，比如T。对于所有用户，只有当阈值通过T时，我们才会向用户发送推荐 现在我们意识到这不是最优的：一些用户不太关心推荐质量，而另一些用户的推荐质量很高。个性化阈值，而不是全局T可以帮助我们提高整体相关性 目标是输出每个用户的
问题是：我们应该如何用机器学习来模拟这个问题？非常感谢您提供任何参考资料或论文。我对机器学习了解不多，但由于这个问题似乎与特定的编程问题无关，您可能会幸运地从中得到答案。祝你好运我对机器学习了解不多，但由于这个问题似乎与特定的编程问题无关，因此您可能更幸运地从中得到答案。祝你好运