machine-learning - 如何使用机器学习对个性化阈值问题进行建模
问题描述
假设我有一个候选选择系统来生成产品/用户对以进行推荐。目前,为了保持推荐产品的质量条,我们训练了一个模型来优化链接的点击,表示为 pClick(product, user) 模型,模型的输出是(0,1 ) 表示用户点击推荐产品的可能性。
对于我们最初的发布产品,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。
现在我们意识到这并不是最优的:一些用户不太关心推荐质量,而另一些用户则对推荐质量有很高的要求。并且一个个性化的阈值,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/产品属性的训练数据。
问题是:我们应该如何用机器学习来模拟这个问题?任何参考或论文都受到高度赞赏。
解决方案
推荐阅读
- php - 将字符串转换为多维数组
- javascript - 使用反应测试库时尝试解构不可迭代的实例无效
- java - Android Studio:删除数据库中的项目时,如何更新回收站视图中的文本视图?
- python - 随机选择包含元组的列表元素?
- python - Python pandas 在多列上执行相同的聚合
- javascript - Discord.js 机器人“guildMember.addRole 不是函数”(已修复)
- angular-material - mat-flat-button 颜色一旦被点击就会改变,只有在模糊事件之后才会恢复正常颜色
- android - 我想在android中将dd格式的坐标更改为dmm方式
- angular - 无法读取未定义视频的属性“elem”
- javascript - 如何修复“图像”错误的无法读取属性