Dieser Artikel enthält Antworten auf Fragen zur Behandlung von Problemen mit dem Personalizer-Dienst.
Datenresidenz in einer Region
Wann ist Personalisierung veraltet?
Ab dem 20. September 2023 können Sie keine neuen Personalisierungsressourcen mehr erstellen. Der Personalisierungsdienst wird am 1. Oktober 2026 eingestellt.
Wie werden meine Daten in einer Region mit Datenresidenz in einer einzelnen Region repliziert?
Bei der Personalisierung werden keine Kundendaten außerhalb der Region, in der der Kunde die Dienstinstanz bereitstellt, gespeichert oder verarbeitet.
Konfigurationsprobleme
Ich habe eine Konfigurationseinstellung geändert, und jetzt erreicht meine Schleife nicht dieselbe Lernebene. Was ist passiert?
Einige Konfigurationseinstellungen setzen Ihr Modell zurück. Konfigurationsänderungen sollten nach dem Lesen der Dokumentation sorgfältig geplant und durchgeführt werden.
Beim Konfigurieren der Personalisierung über die API habe ich einen Fehler erhalten. Was ist passiert?
Wenn Sie eine einzelne API-Anforderung verwenden, um Ihren Dienst zu konfigurieren und Ihr Lernverhalten zu ändern, erhalten Sie eine Fehlermeldung. Sie müssen zwei separate API-Aufrufe durchführen: zuerst, um Ihren Dienst zu konfigurieren, und dann, um das Lernverhalten zu ändern.
Transaktionsfehler
Ich erhalte die Antwort „HTTP 429 (Zu viele Anforderungen) vom Dienst. Was kann ich tun?
Wenn Sie beim Erstellen der Personalisierungsinstanz einen kostenlosen Tarif ausgewählt haben, besteht ein Kontingentlimit für die Anzahl von zulässigen Ranganforderungen. Überprüfen Sie Ihre API-Aufrufrate für die Rang-API (im Bereich „Metriken“ im Azure-Portal für Ihre Personalisierung-Ressource) und passen Sie die Preisstufe an (im Bereich „Preisstufe“) wenn Ihr API-Aufrufvolumen voraussichtlich über den Schwellenwert für die gewählte Stufe steigen wird.
Ich erhalte einen 5xx-Fehler bei Rang- oder Belohnungs-APIs. Wie sollte ich vorgehen?
5xx-Fehler sollten vorübergehende Probleme sein. Wenn sie weiterhin auftreten, wenden Sie sich bitte an den Support, indem Sie im Azure-Portal für Ihre Personalizer-Ressource im Abschnitt Support + Fehlerbehebung die Option Neue Supportanfrage auswählen.
Lernschleife
Im Apprentice-Modus erreicht die Lernschleife keine 100-prozentige Übereinstimmung mit der nicht personalisierten (Baseline-)Richtlinie. Wie kann ich dies korrigieren?
Die Effektivität der Personalisierung im Ausbildungsmodus erreicht selten annähernd 100 % der Baseline der Anwendung und überschreitet diese nie. Die beste Praxis wäre, nicht eine 100%ige Zielerreichung anzustreben; je nach Anwendungsfall sollte aber ein Bereich von 60 % – 80 % erreichbar sein. Wenn die Lernleistung jedoch langsam ist oder unter 60 % liegt, sind möglicherweise die folgenden Probleme aufgetreten:
- Nicht ausreichend Features mit dem Rang-API-Aufruf gesendet
- Fehler in den gesendeten Features – z. B. das Senden von nicht aggregierten Featuredaten wie Zeitstempel an die Rang-API
- Fehler bei der Schleifenverarbeitung – z. B. kein Senden von Relevanzdaten an die Relevanz-API für Ereignisse
Um diese Probleme zu beheben, müssen Sie möglicherweise Anpassungen vornehmen, indem Sie entweder die an die Schleife gesendeten Funktionen ändern oder sicherstellen, dass die Punktzahl der Prämien den Wert der vom Rank-API-Aufruf zurückgegebenen Aktion genau erfasst.
Die Lernschleife scheint nicht effektiv oder schnell zu lernen. Wie kann ich dies korrigieren?
Die Lernschleife benötigt einige Tausend Belohnungsaufrufe, bevor Priorisierungsaufrufe effektiv priorisiert werden.
Wenn Sie sich nicht sicher sind, wie Ihre Lernschleife sich derzeit verhält, führen Sie eine Offlineauswertung aus, und wenden Sie die korrigierte Lernrichtlinie an.
Ich erhalte immer wieder Rangergebnisse mit der gleichen Wahrscheinlichkeit für alle Elemente. Woher weiß ich, ob die Personalisierung lernt?
Die Personalisierung gibt die gleichen Wahrscheinlichkeiten in einem Rang-API-Ergebnis zurück, wenn die API gerade gestartet wurde und mit einem leeren Modell arbeitet. Dies ist auch der Fall, wenn Sie die Personalisierungsschleife zurücksetzen und das Modell sich noch im Zeitraum Aktualisierungshäufigkeit des Modells befindet.
Wenn der neue Aktualisierungszeitraum beginnt, sehen Sie, dass sich die Wahrscheinlichkeiten mit den aktualisierten Modellergebnissen ändern.
In der Lernschleife fand ein Lernprozess statt, dies scheint aber nicht mehr der Fall zu sein, und die Qualität der Rangergebnisse ist nicht besonders gut. Wie sollte ich vorgehen?
- Stellen Sie sicher, dass Sie eine Bewertung im Azure-Portal für diese Schleife abgeschlossen und angewendet haben.
- Stellen Sie sicher, dass alle Prämien erfolgreich über die Prämien-API gesendet und verarbeitet wurden.
Woher weiß ich, ob die Lernschleife regelmäßig aktualisiert und zum Bewerten meiner Daten verwendet wird?
Sie finden den Zeitpunkt der letzten Aktualisierung des Modells auf der Seite Modell- und Lerneinstellungen im Azure-Portal. Wenn dort ein älterer Zeitstempel angezeigt wird, ist es wahrscheinlich, dass die Rang- und Belohnungsaufrufe nicht gesendet werden. Wenn der Dienst keine eingehenden Daten feststellt, aktualisiert er den Lernvorgang nicht. Wenn Sie der Ansicht sind, dass die Lernschleife nicht häufig genug aktualisiert wird, können Sie die Aktualisierungshäufigkeit des Modells bearbeiten.
Offlineauswertungen
Die Featurerelevanz einer Offlineauswertung gibt eine lange Liste mit Hunderttausenden von Elementen zurück. Was ist passiert?
Dies liegt in der Regel an Zeitstempeln, Benutzer-IDs oder anderen differenzierten Merkmalen, die gesendet wurden.
Ich habe eine Offlineauswertung erstellt, und sie wurde fast sofort erfolgreich ausgeführt. Warum? Es werden keine Ergebnisse angezeigt.
Die Offline-Bewertung verwendet das trainierte Modell und Daten aus den Ereignissen, die in diesem Zeitraum an die Rang-/Prämien-APIs gesendet wurden. Wenn Ihre Anwendung zwischen Beginn und Ende der Bewertung keine Daten gesendet hat, wird sie schnell ohne Ergebnisse abgeschlossen.
Lernrichtlinie
Wie importiere ich eine Lernrichtlinie?
Informieren Sie sich über Konzepte von Lernrichtlinien und die Anwendung einer neuen Lernrichtlinie. Wenn Sie keine Lernrichtlinie auswählen möchten, können Sie eine Offlineauswertung verwenden, um basierend auf Ihren aktuellen Ereignissen eine Lernrichtlinie vorzuschlagen.
Sicherheit
Welche API-Authentifizierungsprotokolle unterstützt Personalisierung?
Personalisierungs-APIs verwenden Microsoft Entra ID, das eine Vielzahl von Authentifizierungs- und Synchronisierungsprotokollen unterstützt.
Der API-Schlüssel für meine Schleife wurde kompromittiert. Was kann ich tun?
Sie können einen Schlüssel erneut generieren, nachdem Sie die Schlüsselverwendung durch die Clients getauscht haben. Wenn Sie über zwei Schlüssel verfügen, können Sie den Schlüssel verzögert weitergeben, ohne dass Ausfallzeiten auftreten. Aus Sicherheitsgründen empfehlen wir, dies in einem regelmäßigen Rhythmus zu tun.