Penjelajahan

Penting

Mulai tanggal 20 September 2023 Anda tidak akan dapat membuat sumber daya Personalizer baru. Layanan Personalizer dihentikan pada tanggal 1 Oktober 2026.

Dengan eksplorasi, Personalizer dapat terus memberikan hasil yang baik, bahkan ketika perilaku pengguna berubah.

Ketika Personalizer menerima panggilan Peringkat, personalizer mengembalikan RewardActionID yang:

• Menggunakan relevansi yang diketahui untuk mencocokkan perilaku pengguna yang paling mungkin berdasarkan model pembelajaran mesin saat ini.
• Menggunakan eksplorasi, yang tidak cocok dengan tindakan yang memiliki probabilitas tertinggi dalam peringkat.

Personalizer saat ini menggunakan algoritma yang disebut epsilon greedy untuk dijelajahi.

Memilih pengaturan eksplorasi

Anda mengonfigurasi persentase lalu lintas yang akan digunakan untuk eksplorasi di halaman Konfigurasi portal Microsoft Azure untuk Personalizer. Pengaturan ini menentukan persentase panggilan Peringkat yang melakukan eksplorasi.

Personalizer menentukan apakah akan menjelajahi atau menggunakan tindakan model yang paling mungkin pada setiap panggilan peringkat. Ini berbeda dari perilaku dalam beberapa kerangka kerja A/B yang mengunci perlakuan pada ID pengguna tertentu.

Praktik terbaik untuk memilih pengaturan eksplorasi

Memilih pengaturan eksplorasi adalah keputusan bisnis tentang proporsi interaksi pengguna untuk dieksplorasi, untuk meningkatkan model.

Pengaturan nol akan meniadakan banyak manfaat Personalizer. Dengan pengaturan ini, Personalizer tidak menggunakan interaksi pengguna untuk menemukan interaksi pengguna yang lebih baik. Hal ini menyebabkan stagnasi model, penyimpangan, dan pada akhirnya performa yang lebih rendah.

Pengaturan yang terlalu tinggi akan meniadakan manfaat pembelajaran dari perilaku pengguna. Mengaturnya hingga 100% menyiratkan pengacakan konstan, dan perilaku apa pun yang dipelajari dari pengguna tidak akan memengaruhi hasilnya.

Penting untuk tidak mengubah perilaku aplikasi berdasarkan apakah Anda melihat jika Personalizer menjelajahi atau menggunakan tindakan terbaik yang diketahui. Hal ini akan menyebabkan bias pembelajaran yang pada akhirnya akan menurunkan potensi performa.

Langkah berikutnya

Pembelajaran Penguatan