Criteri e impostazioni di apprendimento

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

Le impostazioni e i criteri di apprendimento sono impostati nella risorsa di personalizza esperienze nel portale di Azure.

Importare ed esportare criteri di apprendimento

È possibile importare ed esportare file di 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 sucome importare ed esportare criteri di apprendimento nel portale di Azure per la risorsa di personalizza esperienze.

Informazioni sulle impostazioni dei criteri di apprendimento

Le impostazioni nei criteri di apprendimento non devono essere modificate. Modificare le impostazioni solo se si è a conoscenza di come influiscono su personalizza esperienze. In caso contrario, è possibile causare problemi, tra cui l'invalidazione dei modelli di personalizza esperienze.

Personalizza esperienze usa Vowpal Wabbit per eseguire il training e assegnare punteggi agli 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 riquadro Impostazioni di apprendimento e di modello nel portale di Azure per la risorsa di personalizza esperienze.

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

Personalizza esperienze può creare criteri di apprendimento ottimizzati in una valutazione offline. Un criterio di apprendimento ottimizzato con ricompense migliori in una valutazione offline restituirà risultati migliori quando viene usato 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.