2024大规模机器学习与 AutoML 技术_第1页
2024大规模机器学习与 AutoML 技术_第2页
2024大规模机器学习与 AutoML 技术_第3页
2024大规模机器学习与 AutoML 技术_第4页
2024大规模机器学习与 AutoML 技术_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

大规模机器学习与AutoML技术Prob(click=yes|ad,我们可以通过4个过程描述：（1）特征生成，首先需要记录影响广告的每个因素，把广告是将前面两个过程中函数关系学习出来，即AI建模，通常从历史数据学习模型参数，挖掘如下图所示，在大量训练数据展现日志信息中，“检索集合”表示用户query的结果，其0表示未点击的广告，1表示点击的广告。经过模型训练拟合数据，得到预估模型以“鲜花”搜索为例，进一步说明。当用户搜索“鲜花”时，根据用户cookie或历史搜索100001000用户、100广告，采用ID进行标号，查询(q)：1、2、…、10000，用户(u)：1、2、…、进行交叉组合，如下图所示，q*u查询和用户特征组合10000×1000。对特征进行降维。如下图所示多种降维方法，第一种是离散到离散：Hashing2，第sigmoidxf(x)指一个场景里面如何把向量映射到实数R，通常根据f(x)形式分为浅层和深层网络，在做广告预估的时候，可以模型训练，我们把整个假设做好以后，接下来就是训练模型。模型训练数据如(x1,y1),…,(xn,yn)，其中x为特征向量，y{-1,+1},-1为未检点，+1为检点。广告场景为千求解如下优化问题，最终求解w。告场景中特征维度上亿，运算量特别大，所以较多地使用1st阶梯度近似Hessian矩阵，典型的算法是LBFGS算法，用好多个1阶梯度逼近。其他的方法如每次只使用单维特征梯在实际场景中，除了算法设计外，还有分布式计算框架设计，设计思路是模型很大时，需&uiasUFS、PFSAFS家，为了降低门槛，采用AutoML建模(第四代)，如下图所示。都可能影响模型效果，整个建模过程就是这些环节反复调整，直到得到模型。AutoML借AutoMLAutoMLICML、ECMLPKDD、NIPSLearningworkshopAutoML20175AutoML算法。如下图所示，AutoML问题定义，通俗地来说，假设有这么一个过程：我看参数效果好坏。我们希望整个过程能够自动化，这就是AutoML。从下图的简化目标函AutoML技术挑战包括超参结构复杂、目标函数不可导、评估代价巨大。AutoML过程中器学习中如果可导，采用简单的随机梯度下降方法就能解决；AutoMLAIAI，每一是基于搜索的方法，二是利用AI训练AI方法。搜索算法。下图分别说明，针对二维变量(9个参数，2个维度)可以采用格搜索方法，AB下图所示，三种颜色代表三种算法，1—5以后根据学习曲线，可能还不能区分，但迭代到3次时会出现差异，继续观察算法1和算与效果的模型，基于模型，平衡Exploitationvsexploration选择下一步试探的点，在选定参数下训练模型，迭代1-3直到满意的点选出。2^2^10次模型来寻找最优解，需要很长的时间才能找到最优解。那么应该如违约

人人文库> 全部分类> 专业文献 > IT计算机

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论