发明公开
- 专利标题: 评估机器学习模型的准确度
-
申请号: CN201780002012.X申请日: 2017-01-24
-
公开(公告)号: CN109155012A公开(公告)日: 2019-01-04
- 发明人: 周素译 , 迪帕克·拉马穆尔蒂·西瓦拉玛普拉姆·钱德 , 拉塞克兰 , 傅博 , 普拉奇·古普塔 , 库纳·贾殷 , 托马斯·普赖斯 , 萨尔夫吉特·辛格 , 谢洁锐
- 申请人: 谷歌有限责任公司
- 申请人地址: 美国加利福尼亚州
- 专利权人: 谷歌有限责任公司
- 当前专利权人: 谷歌有限责任公司
- 当前专利权人地址: 美国加利福尼亚州
- 代理机构: 中原信达知识产权代理有限责任公司
- 代理商 李佳; 穆德骏
- 优先权: 62/440,774 2016.12.30 US
- 国际申请: PCT/US2017/014783 2017.01.24
- 国际公布: WO2018/125264 EN 2018.07.05
- 进入国家日期: 2017-12-13
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04
摘要:
平衡机器学习模型与统计模型之间的内容分发提供在组合良好训练的机器学习模型用于内容选择的益处时的基线保证。在一些实施方式中,接收对内容项的请求的服务器将第一比例的接收到的请求指配到第一组并且将剩余的请求指配到第二组。服务器使用机器学习模型选择所请求的内容项的变化用于对指配到第一组的请求做出响应,并且使用统计模型选择用于指配到第二组的请求的内容变化。服务器获得性能信息,例如不同变化的接受率,并且比较被用于内容选择的不同的模型的性能。指配到机器学习模型的观众份额当其比统计模型表现更好时增加并且当其比统计模型表现更差时减小。