今天想和大家分享，如何使用大規(guī)模機(jī)器學(xué)習(xí)解決真實(shí)的業(yè)務(wù)問(wèn)題。我們今天會(huì)以機(jī)器學(xué)習(xí)中的一個(gè)典型場(chǎng)景為例來(lái)講解，即基于大規(guī)模機(jī)器學(xué)習(xí)模型的推薦系統(tǒng)。

推薦系統(tǒng)的本質(zhì)是什么 

比如說(shuō)我們看到手機(jī)淘寶首頁(yè)，往下一拉，就能看到各種各樣推薦的商品;比如說(shuō)百度，它會(huì)給我們推薦廣告，在某種程度上他的工作方式也很像推薦系統(tǒng);再比如說(shuō)今日頭條，今日頭條從數(shù)十萬(wàn)的新聞中選出會(huì)被我們看到的數(shù)十個(gè)新聞，這也是推薦系統(tǒng)。

盡管我們?cè)谏钪袝?huì)已經(jīng)見(jiàn)過(guò)非常多的推薦系統(tǒng)，但是在用機(jī)器學(xué)習(xí)搭建推薦系統(tǒng)之前，我們還是應(yīng)當(dāng)先思考一下，推薦系統(tǒng)要解決的到底是個(gè)什么樣的問(wèn)題 

推薦系統(tǒng)在本質(zhì)上是一個(gè)信息檢索的系統(tǒng)。它和搜索最大的區(qū)別是，搜索是主動(dòng)式的，根據(jù)關(guān)鍵詞和引擎參數(shù)、搜索引擎召回、機(jī)器學(xué)習(xí)排序，決定給你看到的是哪些內(nèi)容。而我們看到的推薦系統(tǒng)，在大多數(shù)情況下是沒(méi)有主動(dòng)輸入的(有時(shí)會(huì)有一些簡(jiǎn)單的反饋動(dòng)作)，是被動(dòng)出現(xiàn)的。

推薦系統(tǒng)是利用上下文，根據(jù)當(dāng)前用戶所處的環(huán)境，根據(jù)信息的特點(diǎn)來(lái)決定給你推薦什么內(nèi)容和商品。而在我們進(jìn)一步去想之前，我們要問(wèn)自己一個(gè)問(wèn)題，就像上節(jié)課田老師講的一樣，推薦系統(tǒng)的目標(biāo)是什么，什么才是一個(gè)好的推薦系統(tǒng)，要優(yōu)化的指標(biāo)是什么。

推薦系統(tǒng)的指標(biāo)是什么 

推薦系統(tǒng)是個(gè)產(chǎn)品，產(chǎn)品當(dāng)然是想方設(shè)法讓用戶去喜歡的，或者至少是不討厭的。因而，我們需要把喜歡和討厭這兩件事情定義出來(lái)。同時(shí)我們畢竟不是用戶肚子里的蛔蟲(chóng)，我們只能用我們可以測(cè)量到的數(shù)據(jù)來(lái)描述喜歡和討厭兩件事情。并用這些數(shù)據(jù)來(lái)決定我們做什么和不做什么。

比如說(shuō)：我是個(gè)電商，用戶表達(dá)對(duì)一個(gè)推薦商品喜歡的方式是：點(diǎn)擊、收藏、加購(gòu)物車、甚至購(gòu)買下單、分享到社交平臺(tái)上等等。用戶討厭一個(gè)推薦商品的方式，就是會(huì)投訴、會(huì)提意見(jiàn)。因而我們要預(yù)防一些很可能會(huì)讓用戶討厭的推薦結(jié)果：比如說(shuō)推薦成人用品和內(nèi)衣，尤其是在上班時(shí)間;比如推薦用戶剛剛買過(guò)的商品，等等。

我們一定能為一個(gè)推薦系統(tǒng)去定義指標(biāo)，我們可以給這些指標(biāo)分輕重緩急，看能用什么順序?qū)崿F(xiàn)。現(xiàn)在我用的指標(biāo)可能有點(diǎn)投機(jī)取巧，我用的是點(diǎn)擊率。而真實(shí)的指標(biāo)考慮的是很多的，僅僅考慮點(diǎn)擊率的模型，可能會(huì)出現(xiàn)標(biāo)題黨，如果是電商就可能會(huì)出現(xiàn)一堆 9 塊 9 包郵，這可能不是我們業(yè)務(wù)想要的。

另外即使只考慮點(diǎn)擊率，我們也知道其實(shí)我們推薦的是一個(gè)列表，列表的質(zhì)量不完全是由單一的商品決定的，而是整個(gè)列表的組合、順序、多樣性所決定的。所以真實(shí)的業(yè)務(wù)中，我們會(huì)考慮用更復(fù)雜的目標(biāo)，比如 MAP 來(lái)評(píng)價(jià)一個(gè)推薦列表的質(zhì)量。

但沒(méi)關(guān)系，今天我們就用點(diǎn)擊率作為試點(diǎn)，介紹如何用機(jī)器學(xué)習(xí)來(lái)搭建推薦系統(tǒng)的完整過(guò)程。

推薦系統(tǒng)的 y 和 x

第一步， 我們已經(jīng)知道機(jī)器學(xué)習(xí)模型需要預(yù)測(cè)的就是優(yōu)化目標(biāo)，點(diǎn)擊率;那我們把用戶的點(diǎn)擊行為需要記錄下來(lái)。這樣一來(lái)，對(duì)于機(jī)器學(xué)習(xí)來(lái)說(shuō)，我們已經(jīng)有 y 了

第二步，我們需要定義好 x，也就是特征。

一般來(lái)說(shuō)推薦系統(tǒng)的特征體系由 3 個(gè)部分組成：用戶特征、內(nèi)容特征、上下文特征。

用戶特征：包括但不限于用戶姓名、性別、年齡、注冊(cè)時(shí)間、收貨地址、常用區(qū)域等用戶特征

內(nèi)容特征：包括但不限于以及商品、內(nèi)容的標(biāo)題分詞、內(nèi)容的 TF-IDF、內(nèi)容來(lái)源、內(nèi)容渠道、內(nèi)容生產(chǎn)者等等

那么上下文特征， 是代表用戶當(dāng)前時(shí)空狀態(tài)、最近一段時(shí)間的行為抽象的特征。比如說(shuō)用戶當(dāng)前的 GPS 坐標(biāo)，大家可能覺(jué)得奇怪， GPS 坐標(biāo)怎么用來(lái)推薦呢 其實(shí)很簡(jiǎn)單，地球一圈是 4 萬(wàn)公里，GPS 一圈是 360°，一度大概是 100 公開(kāi)。如果我們把 GPS 坐標(biāo)保存到小數(shù)點(diǎn)后一位，組合起來(lái)，這樣的特征就是 10*10 公里的格子，這就代表了一個(gè)有泛化能力的用戶的位置。

位置是一個(gè)非常強(qiáng)的特征，如果我們更進(jìn)一步，做到了 1 公里，顯然我們可以相信，在中關(guān)村地區(qū)，大家的偏好是有共性的，而在金融街，大家的喜好也是有共性的。當(dāng)大家的數(shù)據(jù)足夠多的時(shí)候，落在同一個(gè)格子里的人會(huì)非常多，GPS 就會(huì)成為非常重要的特征。

另外是 IP 地址，比如最近瀏覽的內(nèi)容、最近購(gòu)買的商品，這些都會(huì)構(gòu)成上下文特征。所以我們就是在用戶特征、內(nèi)容特征和上下文特征的基礎(chǔ)上，預(yù)測(cè)用戶對(duì)當(dāng)前內(nèi)容的點(diǎn)擊率。

推薦系統(tǒng)的樣本構(gòu)造和數(shù)據(jù)拼接

一個(gè)成熟的推薦系統(tǒng)，它可能有非常復(fù)雜的樣本構(gòu)造方法，今天用了比較簡(jiǎn)單的方法，讓問(wèn)題變得簡(jiǎn)單。另外，一個(gè)成熟的推薦系統(tǒng)，它可能會(huì)有多個(gè)指標(biāo)和業(yè)務(wù)邊界條件。

那么接下來(lái)：基于已知的 x 和 y，我們要為機(jī)器學(xué)習(xí)構(gòu)造樣本。什么是一條樣本 一個(gè)樣本代表機(jī)器學(xué)習(xí)預(yù)測(cè)的一個(gè)最小粒度的事件。當(dāng)你把一條內(nèi)容展現(xiàn)給用戶，用戶點(diǎn)擊或不點(diǎn)擊，這就代表了一個(gè)最小粒度的事件，就是一條樣本。再比如說(shuō)我們給用戶展示了 10 條新聞，用戶對(duì)應(yīng)每個(gè)新聞點(diǎn)擊或者不點(diǎn)擊，就是 10 條樣本。

在樣本采集后，就要考慮數(shù)據(jù)怎么收集和拼接了。在拼接的時(shí)候要注意的是，假如是為了優(yōu)化點(diǎn)擊率，我不光要把用戶特征、上下文特征收集起來(lái)，我還要把點(diǎn)擊率拼回到當(dāng)時(shí)那一條樣本請(qǐng)求上去。所以系統(tǒng)一定要有這樣的考慮，記錄下時(shí)間和拼接的 ID ，同時(shí)還要考慮剛才說(shuō)的三類特征是處于實(shí)時(shí)變化當(dāng)中的，日志也是實(shí)時(shí)產(chǎn)生的，而不是后面去拿的，因?yàn)檫@樣做很可能會(huì)出現(xiàn)問(wèn)題。 數(shù)據(jù)一旦出問(wèn)題，是非常難以 debug 的。給大家舉個(gè)栗子，有一家公司，BAT 之一，他的推薦系統(tǒng)過(guò)去幾年 85% 的效果提升來(lái)源是把之前有問(wèn)題的數(shù)據(jù)給修復(fù)了，做對(duì)了。

推薦系統(tǒng)的場(chǎng)景思考

樣本構(gòu)造還需要考慮場(chǎng)景的問(wèn)題，比如說(shuō)我們會(huì)遇到一個(gè)問(wèn)題，屏幕的大小是不一樣的，同樣展示 10 條新聞，我怎么知道用戶有沒(méi)有看到它。如果沒(méi)有看到就不應(yīng)該作為一條樣本。這時(shí)候就有兩種解決方案，第一種解決方案是把用戶真正看到的納入進(jìn)來(lái)，因?yàn)榍岸耸悄阍O(shè)計(jì)的，所以你會(huì)知道哪些內(nèi)容是用戶的可見(jiàn)范圍內(nèi)。 當(dāng)然這會(huì)讓客戶端變得更重一些。

第二種是一個(gè)比較簡(jiǎn)單的方法，把內(nèi)容的位置作為一個(gè)特征。因?yàn)槲覀冎?，同樣是一屏幕展現(xiàn) 10 行內(nèi)容，即便是一樣的內(nèi)容，用戶也會(huì)選擇一個(gè)他舒服的位置去點(diǎn)，這個(gè)可能是偏中上的位置。所以當(dāng)新聞在第三個(gè)位置被點(diǎn)擊的時(shí)候，這可能是一個(gè)容易被點(diǎn)擊的位置，但不一定代表這個(gè)新聞比其他新聞要好。那我們?cè)趺崔k 我們就要通過(guò)某些手段，把這些偏置吸收掉，所以我們會(huì)把位置、屏幕大小等作為特征，通過(guò)特征工程的方法來(lái)吸收這個(gè)偏差，變成無(wú)偏的模型。

這時(shí)候有些人可能會(huì)問(wèn)，這不是穿越嗎 因?yàn)樵诮o出預(yù)測(cè)的時(shí)候，是不知道內(nèi)容最終的位置信息的。但這相當(dāng)于把偏差的鍋由位置來(lái)背了，這是機(jī)器學(xué)習(xí)推薦系統(tǒng)中的一個(gè)策略。

剛才我們已經(jīng)構(gòu)造好特征了，現(xiàn)在給大家講怎么建模。大家可能會(huì)認(rèn)為，前面的部分是快的，真正做機(jī)器學(xué)習(xí)，做特征工程、模型調(diào)參等，這些是慢的。但是今天我們會(huì)看到，在成熟的工業(yè)界里面，其實(shí)前面要花的時(shí)間會(huì)多很多，后面的內(nèi)容在成熟的工具下會(huì)變得簡(jiǎn)單。

在先知上完成推薦系統(tǒng)的建模流程

我們會(huì)從一個(gè)真實(shí)的案例出發(fā)，雖然我們做了很多的推薦系統(tǒng)的案例，但畢竟不能把客戶的數(shù)據(jù)給大家看，所以我們用了一份公開(kāi)的數(shù)據(jù)，這份數(shù)據(jù)和我們之前講的場(chǎng)景是相似的。這份數(shù)據(jù)來(lái)自于 Kaggle，叫做 Criteo 點(diǎn)擊率預(yù)估比賽。

數(shù)據(jù)預(yù)覽

首先我們看數(shù)據(jù)的樣子，第 1 列 col_1 代表的是廣告有沒(méi)有被點(diǎn)擊，1 代表被點(diǎn)擊，0 代表沒(méi)有被點(diǎn)擊。然后我們看第 2 列到第 14 列，都是數(shù)值型的特征，因?yàn)檫@份數(shù)據(jù)已經(jīng)被匿名化了，所以我們可能也不知道這些數(shù)值代表什么意思，也許是這個(gè)用戶的 PV，或者標(biāo)簽的權(quán)重，不過(guò)我們也不需要知道。然后看第 15 列到 40 多列，這些都是離散的特征，這些特征都做了哈希化，都做了匿名處理。

這個(gè)數(shù)據(jù)有 3000 萬(wàn)行 40 多列，按照我們傳統(tǒng)的做法，進(jìn)行特征工程以及 one-hot 編碼后，會(huì)有 4000 多萬(wàn)個(gè)特征。真實(shí)的業(yè)務(wù)數(shù)據(jù)中，訓(xùn)練數(shù)據(jù)體積會(huì)更大，往往達(dá)到上億，同時(shí)原始特征數(shù)量會(huì)達(dá)到上百，因?yàn)闉榱撕玫膫€(gè)性化效果，我們會(huì)使用諸如 GPS 坐標(biāo)、手機(jī)型號(hào)、ip 地址、最近瀏覽內(nèi)容等等精細(xì)化的特征，并進(jìn)行非常極致的特征工程，這樣的模型在特征工程之后的特征數(shù)會(huì)達(dá)到數(shù)億甚至幾百億。這樣規(guī)模的機(jī)器學(xué)習(xí)訓(xùn)練，挑戰(zhàn)的不僅是算法，更是如何在成本可承受的計(jì)算資源上進(jìn)行訓(xùn)練和實(shí)時(shí)預(yù)估。

開(kāi)發(fā)這樣一個(gè)規(guī)模的可以并行運(yùn)行的系統(tǒng)的挑戰(zhàn)更加大，即使 BAT 這樣的大公司也會(huì)養(yǎng)一個(gè)百人的團(tuán)隊(duì)，只為了做好機(jī)器學(xué)習(xí)模型訓(xùn)練和預(yù)估的工程實(shí)現(xiàn)。下面我們會(huì)看到利用第四范式的先知平臺(tái)去做這件事情，會(huì)大大降低我們開(kāi)發(fā)和運(yùn)維一個(gè)在線機(jī)器學(xué)習(xí)系統(tǒng)的成本，讓我們更加聚焦在業(yè)務(wù)本身。下面我們會(huì)看到在先知平臺(tái)上對(duì)這份數(shù)據(jù)的建模會(huì)非常簡(jiǎn)單。

數(shù)據(jù)拆分

首先我們把這份數(shù)據(jù)拆成了訓(xùn)練集和測(cè)試集，以 9：1 的方式。當(dāng)然這可能是不太合適的拆分方法，因?yàn)檎嬲?xùn)練一個(gè)機(jī)器學(xué)習(xí)模型，它的拆分是按照時(shí)間排序后再拆的，就是用前面的時(shí)間來(lái)訓(xùn)練模型，然后用這個(gè)模型來(lái)預(yù)測(cè)點(diǎn)擊。這樣訓(xùn)練和測(cè)試在時(shí)間上是正交的，那么模型如果在這種實(shí)驗(yàn)設(shè)計(jì)下有好的效果，這個(gè)效果就會(huì)有時(shí)間平移性，上線后就會(huì)有好的效果。當(dāng)然，為什么我們?cè)谶@里沒(méi)有使用按照時(shí)間排序拆分的方式，是因?yàn)閰⒖剂艘黄撐牡淖龇?https://arxiv.org/abs/1703.04247)，這樣同樣的做法結(jié)果可比。在真實(shí)的業(yè)務(wù)中，不建議大家按照這種方式來(lái)處理數(shù)據(jù)。

特征工程、模型選擇和評(píng)估

然后就是做特征工程了，一般來(lái)說(shuō)大家可能覺(jué)得很難，但只需要告訴電腦哪個(gè)是 Label，其他的直接默認(rèn)配置就好了。但天下沒(méi)有免費(fèi)的午餐，特征簡(jiǎn)單處理，我們要有更強(qiáng)的模型，所以我們用了線性分型分類器。

一般來(lái)說(shuō)，推薦系統(tǒng)中會(huì)有離散特征和連續(xù)特征，當(dāng)我們用邏輯回歸這種寬的離散線性模型的時(shí)候，我就會(huì)遇到一個(gè)很大的問(wèn)題，就是我需要對(duì)特征進(jìn)行分段，這樣才能學(xué)到連續(xù)特征的非線性結(jié)構(gòu)。比如說(shuō)用戶年齡對(duì)點(diǎn)擊率的影響，它并不是線性上升的，它可能會(huì)上升到 30 歲，然后就下降了，甚至有更復(fù)雜的模式，這些是非線性的特性。所以我們可以用機(jī)器對(duì)連續(xù)的特征做自動(dòng)搜索分段，這樣的預(yù)處理效率就大大提高了。線性分形分類器就是做的這樣的事情，基本上我花了不到 5 分鐘，就跑出了 0.796 的 AUC。

AUC 代表了一個(gè)模型對(duì)樣本的排序能力。如果這是一個(gè)完美的排序，點(diǎn)擊率高的 100% 排到了點(diǎn)擊率低的前面，那 AUC 就是 1。如果是隨機(jī)瞎排，那 AUC 就是 0.5。所以 AUC 越接近于 1，就代表了整體的排序能力越強(qiáng)。現(xiàn)在的 AUC 是 0.796，比論文的 0.801 稍微差一點(diǎn)，我只做了這么點(diǎn)就到了這個(gè)成績(jī)，我覺(jué)得還是可以的。

當(dāng)然這里進(jìn)一步說(shuō)一下，評(píng)估上線的時(shí)候，不能只是看 AUC。例如說(shuō)，我要看的是 User AUC，或者每一刷的 AUC，因?yàn)槟Ｐ偷呐判蚰芰?，一部分?lái)自于對(duì)每個(gè)用戶個(gè)性化的識(shí)別能力，另一部分來(lái)自于對(duì)用戶本身的識(shí)別能力。比如說(shuō)有些用戶就是什么都愛(ài)點(diǎn)，什么都點(diǎn)，而有些用戶基本只看標(biāo)題不點(diǎn)開(kāi)。我們把這樣的人分開(kāi)，對(duì)個(gè)性化推薦是有幫助的。所以我最終應(yīng)該看的是，在每一個(gè)用戶身上的 AUC，甚至是每一次展現(xiàn)的 AUC，當(dāng)然先知也提供了工具，就不多贅述了。特征組合

但我還是想讓這個(gè)模型更好，怎么辦呢 在做推薦系統(tǒng)的時(shí)候，特征工程最重要的處理方法是特征組合。比如說(shuō)有兩個(gè)特征，一個(gè)是性別，另一個(gè)是新聞的色情等級(jí)。我們可能會(huì)注意到，男同志比較喜歡火爆的新聞，女同志可能正好相反。我把色情等級(jí)作為一個(gè)特征，可能兩邊的喜好不同導(dǎo)致最終這個(gè)特征整體對(duì)點(diǎn)擊率的影響和一個(gè)隨機(jī)數(shù)一樣，它就不是好的特征，沒(méi)有預(yù)測(cè)能力。

但如果我把這些特征組合起來(lái)，我就對(duì)這些空間有更細(xì)致的分割能力，我就會(huì)做出很好的效果。性別、用戶 ID 和新聞色情等級(jí)組合起來(lái)，是新聞推薦非常有用的特征。進(jìn)一步說(shuō)，假如我們有 100 個(gè)特征，那么特征兩兩組合的空間，就是 一萬(wàn)個(gè)，這是個(gè)很大的工作量。

傳統(tǒng)的手段是，通過(guò)業(yè)務(wù)經(jīng)驗(yàn)和實(shí)驗(yàn)去篩選好的組合。但是工具可以幫我們做得更快更好，先知的 FeatureGo 功能，可以通過(guò)一系列的配置和優(yōu)化目標(biāo)設(shè)定，自動(dòng)搜索出好的特征組合，大大節(jié)省我們的工作時(shí)間，讓人的工作由機(jī)器來(lái)完成。然后我就跑了 FeatureGo，找到了 18 和 28，33 和 34 這些組合特征就不錯(cuò)。而如果計(jì)算資源足夠，那你還可以搜索 3 階的特征，這是由人來(lái)做非常難的事情。

在用機(jī)器完成自動(dòng)特征組合后，調(diào)參其實(shí)也可以自動(dòng)化的。我們知道機(jī)器學(xué)習(xí)就像煉丹，煉丹就是調(diào)參，調(diào)參就是在參數(shù)空間里，根據(jù)我們的經(jīng)驗(yàn)去搜索一下，看什么參數(shù)是好的。我們也有好的工具，可以自動(dòng)搜索到好的參數(shù)。當(dāng)把這些設(shè)定好之后，我就去睡覺(jué)了。第二天醒來(lái)后發(fā)現(xiàn)，這個(gè)模型的 AUC 達(dá)到了 0.802，已經(jīng)超過(guò)了論文的效果。由于這篇論文還是今年比較有名的論文，我還是很滿意的。

模型上線

設(shè)計(jì)好模型后，一般是用 Restful API 的模式服務(wù)的。比方說(shuō)根據(jù)這個(gè) API，就可以給不同的內(nèi)容進(jìn)行打分，打分后根據(jù)倒排后的結(jié)果，響應(yīng)推薦的內(nèi)容。

推薦系統(tǒng)相關(guān)組件

當(dāng)然，一個(gè)完整的推薦系統(tǒng)，不僅僅需要機(jī)器學(xué)習(xí)排序，還需要相應(yīng)的組件。比方說(shuō)我要有物料庫(kù)，把商品的特征維護(hù)起來(lái)，這需要一個(gè)高性能的緩存和數(shù)據(jù)庫(kù)，能夠增刪查改，能夠進(jìn)行特征的初步生成。我還需要一個(gè)日志系統(tǒng)，日志系統(tǒng)通過(guò)唯一性的標(biāo)識(shí)，把實(shí)時(shí)的請(qǐng)求和后續(xù)的反饋 Label 記錄并拼接起來(lái)。我還需要一個(gè)自學(xué)習(xí)的系統(tǒng)，機(jī)器學(xué)習(xí)的模型每天都是要更新的，如果拿 7 天前學(xué)到的模型去推今天的商品，那豈不是用前朝的劍斬本朝的官，效果一定不好，所以我們還需要自學(xué)習(xí)，或者是增量的在線學(xué)習(xí)，來(lái)保證模型捕捉到最新的用戶偏好和市場(chǎng)情況。

然后我們還需要后續(xù)的預(yù)測(cè)，比方說(shuō)我的內(nèi)容有好幾十萬(wàn)，我并不是拿好幾十萬(wàn)給機(jī)器學(xué)習(xí)去預(yù)估，我會(huì)用啟發(fā)式的方法，比如說(shuō) CF、熱度、Tag 匹配等召回策略先生成候選集，然后才進(jìn)入到機(jī)器學(xué)習(xí)排序。召回策略同樣使得我們有更大的能力去影響機(jī)器學(xué)習(xí)排序的結(jié)果，比如我們可以過(guò)濾掉一些我們明知道不好的內(nèi)容或者增加我們認(rèn)為好的內(nèi)容的權(quán)重或出現(xiàn)比例。在機(jī)器學(xué)習(xí)排序后，我們也需要對(duì)結(jié)果進(jìn)行去重、多樣化和隨機(jī)化，最后才做成一個(gè)好的推薦系統(tǒng)。

今天和大家介紹的是，我們?nèi)绾卫脵C(jī)器學(xué)習(xí)去搭建一個(gè)推薦系統(tǒng)的排序環(huán)節(jié)?？偨Y(jié)起來(lái)是這么幾個(gè)點(diǎn)：第一個(gè)是如何使用機(jī)器學(xué)習(xí)來(lái)剖析一個(gè)問(wèn)題，我們用了推薦系統(tǒng)的例子。第二個(gè)是我們?nèi)绾螛?gòu)造一個(gè)推薦系統(tǒng)的樣本、數(shù)據(jù)并進(jìn)行建模，當(dāng)我們有一個(gè)非常好的機(jī)器學(xué)習(xí)工具的時(shí)候，我們可以把精力聚焦在業(yè)務(wù)上，在怎么找到好的數(shù)據(jù)上，以及在怎么定義好的目標(biāo)和規(guī)劃上。第三我們描述了機(jī)器學(xué)習(xí)系統(tǒng)是如何和其他系統(tǒng)發(fā)揮作用的，機(jī)器學(xué)習(xí)就像發(fā)動(dòng)機(jī)，汽車當(dāng)然需要發(fā)動(dòng)機(jī)，但只有發(fā)動(dòng)機(jī)車是跑不起來(lái)的，你還需要周邊的配件，這是系統(tǒng)化的工程。在這方面我們已經(jīng)做了一些工作，我們既有發(fā)動(dòng)機(jī)，也就是先知平臺(tái)，大家可以在這里試用 https://prophet.4paradigm.com，我們也有整車，就是整個(gè)推薦系統(tǒng)的解決方案。我們很高興和大家分享這樣的技術(shù)和能力，謝謝大家。

來(lái)源：36大數(shù)據(jù)