Machine learning 如何构建数百万个性化模型
比如说，我正在构建一个像Uber这样的应用程序，我想根据用户过去的历史记录、当前的经纬度以及当前的日期和时间预测用户最可能的目的地 我们有数以百万计的用户，但每个用户的需求可能太独特，无法概括。也就是说，每个人的通勤都是如此不同，以至于你从其他用户那里学到的东西可能不适用于其他用户 总之，我必须构建数百万个模型，如何将这些模型合并在一起以实现更好的部署过程？如果没有，部署数百万个模型的最佳实践是什么 我们有数以百万计的用户，但每个用户的需求可能太独特，无法概括 您不需要构建数百万个模型。创建一个模型，并针对每个/每个用户群体对其进行个性化。例如，谷歌根据用户行为对搜索引擎、Youtube和Play store等应用程序进行个性化。个性化不仅可以针对单个用户，还可以针对一组用户。例如，男性和女性在健身应用中需要得到不同的建议。在本例中，它假定您有两种用户 行为是什么意思？您的搜索历史、您在Gmail帐户中的信息、您的会话以及许多其他通常被认为是用户行为的事情 向用户建议个性化信息是一个众所周知的研究问题，主要被认为是 我必须构建数百万个模型，如何合并这些模型 共同实现更好的部署过程 合并模型是另一个研究领域，称为。我们通常集成2到10个模型，但不是数百万个 我们有数以百万计的用户，但每个用户的需求可能太独特，无法概括 您不需要构建数百万个模型。创建一个模型，并针对每个/每个用户群体对其进行个性化。例如，谷歌根据用户行为对搜索引擎、Youtube和Play store等应用程序进行个性化。个性化不仅可以针对单个用户，还可以针对一组用户。例如，男性和女性在健身应用中需要得到不同的建议。在本例中，它假定您有两种用户 行为是什么意思？您的搜索历史、您在Gmail帐户中的信息、您的会话以及许多其他通常被认为是用户行为的事情 向用户建议个性化信息是一个众所周知的研究问题，主要被认为是 我必须构建数百万个模型，如何合并这些模型 共同实现更好的部署过程Machine learning 如何构建数百万个性化模型,machine-learning,deep-learning,Machine Learning,Deep Learning,比如说，我正在构建一个像Uber这样的应用程序，我想根据用户过去的历史记录、当前的经纬度以及当前的日期和时间预测用户最可能的目的地 我们有数以百万计的用户，但每个用户的需求可能太独特，无法概括。也就是说，每个人的通勤都是如此不同，以至于你从其他用户那里学到的东西可能不适用于其他用户 总之，我必须构建数百万个模型，如何将这些模型合并在一起以实现更好的部署过程？如果没有，部署数百万个模型的最佳实践是什么 我们有数以百万计的用户，但每个用户的需求可能太独特，无法概括 您不需要构建数百万个模型。创建一个
合并模型是另一个研究领域，称为。我们通常集成2到10个模型，但不是数百万个 “例如，为单个用户或更一般地为一组用户实现个性化it。”如何为单个用户实现个性化it？要将用户ID作为模型培训的一项功能？@birdstar search关于推荐系统。您的问题太广泛，无法在单个SO问题中回答。谢谢您的回答！“例如，为单个用户或更一般地为一组用户实现个性化it。”如何为单个用户实现个性化it？要将用户ID作为模型培训的一项功能？@birdstar search关于推荐系统。您的问题太广泛，无法在单个SO问题中回答。谢谢您的回答！