ACM通信
BLOG@CACM
最大的收益来自于了解你的数据
机器学习很难。想要逃避工作是非常诱人的。我们不能直接下载一个机器学习包吗?我们真的需要了解我们在做什么吗?
的确，现成的算法是开始和实验的一种快速方式。输入数据就可以了。
唯一的问题是开发是否会止步于此。通过了解您的数据的特性以及人们在您的站点上想要和需要什么，通过试验和学习，您很可能可以超越一般系统。
一个很好的例子，说明了理解数据的特性是如何帮助您的Netflix奖．100万美元奖金的进展基本上停滞不前，直到加文·波特发现数据中的特殊性，包括人们对评级量表的不同解读。
最近，Yehuda Koren发现通过补充模型，考虑到时间效应，可以获得额外的收益，比如人们倾向于给老电影评分更高，在短时间内一起评分的电影往往更相关，随着时间的推移，人们可能会开始给他们看过的所有电影评分更高或更低。
在这两种情况下，仔细观察数据，更好地理解人们的行为，然后调整模型，都获得了巨大的收益。再加上其他工作，这就足够了为了赢得一百万美元的奖金。
Netflix奖遵循了一个你经常看到的模式，当人们试图实现一个需要机器学习的功能时。大多数早期的尝试都是用现成的算法处理数据，产生了一些有用的东西，但并没有特别令人印象深刻的结果。
如果没有一个明确的成功度量标准和测试方法，开发就会停滞不前。但是，就像谷歌和亚马逊对无处不在的A/B测试所做的那样，Netflix奖有一个明确的成功标准，以及针对该标准进行测试的方法。
我们可以从Netflix的竞赛中吸取很多教训，但最重要的应该是不断试验和学习的重要性。通过算法之间的相互竞争，通过仔细观察数据，通过思考人们想要什么以及他们为什么这么做，通过不断的测试和实验，你可以获得巨大的收益。
没有发现记录