Criteri e impostazioni di apprendimento

Le impostazioni di apprendimento determinano gli iperparametri dell'addestramento del modello. Due modelli degli stessi dati sottoposti a training su impostazioni di apprendimento diverse avranno un risultato diverso.

I criteri e le impostazioni di Learning vengono impostati nella risorsa di Personalizer nel portale di Azure.

Importare ed esportare criteri di apprendimento

È possibile importare ed esportare file dei criteri di apprendimento dal portale di Azure. Usare questo metodo per salvare i criteri esistenti, testarli, sostituirli e archiviarli nel controllo del codice sorgente come artefatti di riferimento e per controlli futuri.

Informazioni su come importare ed esportare una politica di apprendimento nel portale di Azure per la risorsa Personalizer.

Informazioni sulle impostazioni dei criteri di apprendimento

Le impostazioni nei criteri di apprendimento non devono essere modificate. Modificare le impostazioni solo se si comprende come influiscono su Personalizer. Senza questa conoscenza, potresti causare problemi, tra cui l'invalidazione dei modelli di Personalizer.

Personalizer usa Vowpal Wabbit per addestrare e valutare gli eventi. Per sapere come modificare le impostazioni di apprendimento usando Vowpal Wabbit, vedere la relativa documentazione. Dopo aver ottenuto gli argomenti della riga di comando corretti, salvare il comando in un file con il formato seguente (sostituire il valore della proprietà arguments con il comando desiderato) e caricare il file per importare le impostazioni di apprendimento nel pannello Model and Learning Settings nel portale di Azure per la risorsa Personalizer.

Il file .json seguente è un esempio di criteri di apprendimento.

{
  "name": "new learning settings",
  "arguments": " --cb_explore_adf --epsilon 0.2 --power_t 0 -l 0.001 --cb_type mtr -q ::"
}

Confrontare criteri di apprendimento

È possibile confrontare le prestazioni dei diversi criteri di apprendimento rispetto ai dati passati nei log di personalizza esperienze eseguendo valutazioni offline.

Caricare criteri di apprendimento personalizzati per confrontarli con i criteri di apprendimento correnti.

Ottimizzare criteri di apprendimento

Personalizer può creare una politica di apprendimento ottimizzata in una valutazione offline. I criteri di apprendimento ottimizzati, che è stato dimostrato offrono ricompense migliori nelle valutazioni offline, generano risultati più efficaci quando vengono usati online in Personalizza esperienze.

Dopo aver ottimizzato un criterio di apprendimento, è possibile applicarlo direttamente a personalizza esperienze in modo che sostituisca immediatamente i criteri correnti. In alternativa, è possibile salvare i criteri ottimizzati per un'ulteriore valutazione e decidere successivamente se rimuoverli, salvarli o applicarli.

Passaggi successivi

• Informazioni su eventi attivi e inattivi.