Konfigurace chování učení služby Personalizer

Důležité

Od 20. září 2023 nemůžete vytvářet nové prostředky personalizace. Služba Personalizace se vyřazuje z provozu 25. srpna 2026. Doporučujeme migrovat na open-source microsoft/learning-loop.

Apprentice mode vám poskytuje důvěru ve službu Personalizer a její schopnosti strojového učení a zajišťuje, že služba přijímá informace, ze kterých lze učit, aniž by riskovala online provoz.

Konfigurujte čekatelský režim

  1. Přihlaste se k portálu Azure pro prostředek Personalizace.

  2. Na stránce Nastavení na kartě Nastavení modelu vyberte RežimRentice a pak vyberte Uložit.

Screenshot konfigurace chování učení režimu učňů na portálu Azure portal

Změny existující aplikace

Vaše stávající aplikace by neměla měnit způsob, jakým aktuálně vybírá akce, které se mají zobrazit nebo jak aplikace určuje hodnotu, odměnu této akce. Jedinou změnou aplikace může být pořadí akcí odesílaných do rozhraní API personalizace pořadí. Akce, která se aktuálně zobrazuje, se odešle jako první akce v seznamu akcí. Rozhraní Rank API používá tuto první akci k trénování modelu Personalizace.

Konfigurace aplikace pro volání rozhraní Rank API

Pokud chcete do aplikace přidat službu Personalizer, musíte volat rozhraní API pro Rank a Reward.

  1. Přidejte volání rozhraní Rank API za bod v existující logice aplikace, kde určíte seznam akcí a jejich funkcí. První akcí v seznamu akcí musí být akce vybraná vaší stávající logikou.

  2. Nakonfigurujte svůj kód k zobrazení akce přidružené k ID akce odměny v odpovědi Rank API.

Konfigurace aplikace pro volání rozhraní Rewards API

Poznámka:

Volání rozhraní API pro odměny nemají vliv na trénink v režimu Učedník. Služba se učí tím, že odpovídá aktuální logice vaší aplikace nebo výchozím akcím. Implementace volání odměn v této fázi ale pomáhá zajistit hladký přechod do online režimu později pomocí jednoduchého přepínače na portálu Azure. Kromě toho se odměny zaprotokolují a umožní vám analyzovat, jak dobře aktuální logika funguje a kolik odměn se dostává.

  1. Použijte existující obchodní logiku k výpočtu odměny zobrazené akce. Hodnota musí být v rozsahu od 0 do 1. Pošlete tuto odměnu do Personalizeru pomocí rozhraní API pro odměny. Hodnota odměny se neočekává okamžitě a může být zpožděna v průběhu časového období – v závislosti na obchodní logice.

  2. Pokud odměnu nevrátíte v rámci nakonfigurované doby čekání na odměnu, výchozí odměna se místo toho zaprotokoluje.

Vyhodnoťte režim učedníka

Na portálu Azure na stránce Monitor pro váš prostředek Personalizer zkontrolujte výkon přizpůsobení.

Screenshot kontroly chování učení v režimu učňů na portálu Azure portal

Režim učňů poskytuje následující metriky vyhodnocení:

  • Směrný plán – průměrná odměna: Průměrné odměny výchozího nastavení aplikace (směrný plán).
  • Personalizátor – průměrná odměna: Průměr celkových odměn, kterých by Personalizátor mohl potenciálně dosáhnout.
  • Poměr odměn za posledních 1 000 událostí: Poměr odměny mezi výchozím bodem a personalizací – normalizován za posledních 1 000 událostí.

Přepnutí chování do režimu Online

Když zjistíte, že Personalizer je vytrénovaný s klouzavým průměrem 75–85 %, model je připravený přepnout do režimu online.

Na portálu Azure pro prostředek Personalizer, na stránce Setup, na kartě Nastavení modelu vyberte *Online režim a pak vyberte Uložit.

Nemusíte provádět žádné změny volání rozhraní Rank and Reward API.

Další kroky

  • Last updated on