Teilen über

Lernrichtlinie und -einstellungen

  • Artikel

Wichtig

Ab dem 20. September 2023 können Sie keine neuen Personalisierungsressourcen mehr erstellen. Der Personalisierungsdienst wird am 1. Oktober 2026 eingestellt.

Die Lerneinstellungen legen die Hyperparameter des Modelltrainings fest. Zwei Modelle, die anhand der gleichen Daten mit unterschiedlichen Einstellungen trainiert werden, sind im Ergebnis verschieden.

Lernrichtlinie und -einstellungen werden für Ihre Personalisierungsressource im Azure-Portal festgelegt.

Importieren und Exportieren von Lernrichtlinien

Sie können Lernrichtliniendateien über das Azure-Portal importieren und exportieren. Auf diese Weise können Sie vorhandene Richtlinien speichern, testen, ersetzen und zur späteren Referenz und Überprüfung als Artefakte in Ihrer Quellcodeverwaltung archivieren.

Erfahren Sie, wie Sie eine Lernrichtlinie im Azure-Portal für Ihre Personalisierungsressource importieren und exportieren können.

Grundlegendes zu Lernrichtlinieneinstellungen

Die Einstellungen in der Lernrichtlinie sollten nicht geändert werden. Ändern Sie die Einstellungen nur, wenn Sie genau wissen, wie sich die Änderungen auf die Personalisierung auswirken. Ohne dieses Wissen könnten Sie Probleme verursachen, einschließlich der Invalidierung von Personalisierungsmodellen.

Die Personalisierung verwendet vowpalwabbit zum Trainieren und Bewerten der Ereignisse. Informationen zum Bearbeiten der Lerneinstellungen mit vowpalwabbit finden Sie in der vowpalwabbit-Dokumentation. Wenn Sie über die richtigen Befehlszeilenargumente verfügen, speichern Sie den Befehl im folgenden Format in einer Datei (ersetzen Sie die Eigenschaftswerte der Argumente durch den jeweils gewünschten Befehl). Zum Importieren von Lerneinstellungen laden Sie die Datei anschließend im Azure-Portal für Ihre Personalisierungsressource im Bereich Modell- und Lerneinstellungen hoch.

Der folgende .json-Code ist ein Beispiel für eine Lernrichtlinie.

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

Vergleichen von Lernrichtlinien

Mithilfe von Offlineauswertungen können Sie das Abschneiden verschiedener Lernrichtlinien anhand von Vergangenheitsdaten in Personalisierungsprotokollen vergleichen.

Laden Sie Ihre eigenen Lernrichtlinien hoch, um sie mit der aktuellen Lernrichtlinie zu vergleichen.

Optimieren von Lernrichtlinien

Mithilfe einer Offlineauswertung kann die Personalisierung eine optimierte Lernrichtlinie erstellen. Eine optimierte Lernrichtlinie zeichnet sich bei einer Offlineauswertung durch eine höhere Relevanz aus und liefert bessere Ergebnisse, wenn sie online bei der Personalisierung verwendet wird.

Nachdem Sie eine Lernrichtlinie optimiert haben, können Sie sie direkt auf die Personalisierung anwenden und damit die aktuelle Richtlinie sofort ersetzen. Sie können die optimierte Richtlinie aber auch zur weiteren Auswertung speichern und später entscheiden, ob sie verworfen, gespeichert oder angewandt werden soll.

Nächste Schritte