他们使用什么样的模型?大概是某种神经网络的味道。他们做了很多特征工程吗?或者他们是否投入了大量的示波器输出原始矩阵?鉴于它必须是监督学习,他们的目标是什么?竖起大拇指?他们如何处理人口的异质性?我们不是独立的,也不是同分布的。
好像最近效果更好。好奇它是如何工作的。
他们使用什么样的模型?大概是某种神经网络的味道。他们做了很多特征工程吗?或者他们是否投入了大量的示波器输出原始矩阵?鉴于它必须是监督学习,他们的目标是什么?竖起大拇指?他们如何处理人口的异质性?我们不是独立的,也不是同分布的。
好像最近效果更好。好奇它是如何工作的。
深度神经网络,可能具有数十个内部层,分布在许多机器上。每个用户可能会从许多深度网络中收到针对各种应用程序的分数,并且每个网络可能会自动评分以确定其特定模型何时最有用。这是整个行业使用的模式。音乐公司在尝试解析声音数据方面具有额外的复杂性。Spotify 使用他们的 Release Radar 推荐器来做到这一点。
就目标而言,他们可能会建立模型来预测所有形式的参与。您可能会获得聆听分数、时间聆听分数、竖起大拇指或向下竖起大拇指的分数、添加到列表的分数等等。集成方法在实践中运行良好,Google 可能会为您提供数十到数百种不同的机器学习预测。