الكاتب | تشانغ ينج يو

تحرير | الرماد

"اعتقد انك تريد أن تذهب" هي واحدة من المهام الرئيسية للسفر قطرات البيانات الكبيرة نظام الاستخبارات التنبؤي. هذه الميزة يمكن أن يكون قليلا بعض محلات السوبر ماركت الكبيرة ومحطات السكك الحديدية وغيرها من الأماكن المزدحمة توفر حلول السفر المقترحة. في الوقت الحاضر، "افترض أنك تريد أن تذهب" وظيفة وقد غطت 30 من أوامر على قطرات منصة، ومعدل دقة توقعات 90. المرتبطة ب "أعتقد أنك تريد أن تذهب" ميزة براءات الاختراع كما تم رفعها قبول.

1 EDITORIAL

ديدي "تخمين الخاص بك إلى أين تذهب" نظام التنبؤ الوجهة واحدة من تهدئة جدا نظام، ويحتوي على خوارزمية قوية وراء والدعم التقني.

عندما يفتح المستخدم التطبيق قطرات من الوقت الذي يستغرقه السفر، إذا كان النظام لدينا هو قادرا على تخمين المستخدم هو على وشك الذهاب إلى وجهة، فإنه سيتم ملء إلى "تخمين ذهابك إلى" مربع. معظم المستخدمين التعليق على هذه الوظيفة، وأنها سوف أقول إننا تخمين غير دقيقة، بارد جدا.

هذه الميزة هي ما فائدته؟ عندما قمنا بتصميم هذه الميزة، وهناك عدة نقاط الانطلاق: أولا، يجب أن نكون قادرين على سهل الاستعمال، وخفض فواتير تكاليف المدخلات الوقت، والثاني هو مستخدم مذهلة، وتسليط الضوء قطعة من تكنولوجيا الذكاء الاصطناعي إلى أكثر من 90 دقيقة معدل، وتوقع أكثر من 30 من السفر؛ الثالث هو التنبؤ تدفق الناس السفر، وذلك لتحسين قدرة النقل الخطة.

يحدد ما يلي مشكلتنا، والنموذج المجرد، أدخلت إلى حل بعض جوانب النموذج وتبادل البيانات مع الإحصاءات.

2 تحديد المشكلة: المشهد من نموذج الأعمال مجردة

وهناك المهندسين R & D المشهد يواجهون كل يوم، هي المتطلبات المذكورة مدير المنتج. في ذلك الوقت نطالب هو تحديد مشكلة من هذا القبيل: السفر عبر التاريخ من جهة سفر توقع المستخدم في إطار الوقت الحالي للمستخدم، الموقع الحالي.

وبمجرد الانتهاء من تحديد المشكلة والخطوة التالية هي لوضع هذه المشكلة إلى نموذج التنبؤ مجردة. T هو الوقت الحالي، S هو الموقف الحالي، ومن المتوقع X جهة، وكنت في الوقت الراهن، والموقع الحالي للرحيل، وجهة الاحتمال الشرطي في هذه الحالة يكون المستخدم على وشك الذهاب ينبغي أن يكون أكبر بكثير من احتمال أن يذهب في أي مكان آخر . على سبيل المثال، اليوم فتحت التاسعة ليلا قطرات APP السفر في الفندق، ذهبت إلى معرفة ما إذا كان الاحتمال أكبر بكثير من مطار هونغتشياو بوند، ثم النظام سوف تخمين لي إلى مطار هونغتشياو. هذه هي مشكلة احتمال المشروطة.

3 بسرعة بناء نموذج 0-1: حدد الملامح الرئيسية بناء على المعلومات المتبادلة

وبمجرد الانتهاء من نموذج، ونحن بسرعة بناء أنظمة معقدة من البسيط الى 0-1. ومن المتوقع أن الوجهة متغير، والوقت متغير متغير مركب الذي يحتوي على التاريخ والوقت، مثل تاريخ 23 أغسطس 2016، في الوقت 18:10. عنوان المتغير المتغيرات المعقدة، بما في ذلك اسم وعنوان خطوط الطول والعرض. هذه المتغيرات بدورها تحتوي على أنواع مختلفة، مثل الاسم والعنوان، هي منفصلة متغير عشوائي، خطوط الطول والعرض هي المتغيرات المستمرة، والفترة الزمنية هي متغير، خطوط الطول والعرض معا هو متغير مشترك ثنائي الأبعاد . وتستخدم جميع هذه المتغيرات معا، بحيث يكون لكل متغير واطلاق العنان لوظيفتها، فمن نحن بحاجة إلى دراسة المشاكل على المدى الطويل. ولكن في هذه المرحلة، وهدفنا هو بسرعة لبناء نظام وسريعة على الخط.

هذه المرة، ووجه الكثير من الميزات، ونحن بحاجة إلى القيام به أولا هو اختيار ميزة كبرى. اختيار ميزة من حيث المبدأ هي لتحديد أهم سمات ذات الصلة والمتغيرات المتوقعة. عموما، ومقاييس الارتباط بين المتغيرات والمعلومات المتبادلة هي معامل بيرسون. معامل ارتباط بيرسون وكثيرا ما يستخدم لقياس اثنين من المتغيرات العشوائية مستمرة، والنتيجة المحسوبة هي علاقة خطية. الآن فقط تحدثنا بديل لدينا يضم كلا مستمرة، وهناك منفصلة، هناك دورية ومعقدة، لذلك اخترنا هذه المعلومات المتبادلة لقياس العلاقة بين المتغيرات. لأن هدفنا هو الوجهة التي سيتم اختيارها أول ترسيم ميزة المغادرة، وقت المغادرة، وقت المغادرة هذه المتغيرات الثلاثة.

كما هو مبين، اليسار هو الوجهة والمغادرة، والوجهة ووقت المغادرة بين أقصى اليمين هي المرة جهة والمغادرة، وأعلى قيمة هي قيمة المعلومات المتبادلة بين الوجهة ووقت المغادرة من المتغيرين. وهذا أيضا يتفق مع معرفتنا: بشكل عام، فتحت قطرات السفر في الصباح، في كثير من الأحيان جهة السفر هي الشركة، إذا كان مفتوحا في الليل، والوجهة قد يكون بيتي. حتى نصل إلى استنتاج مفاده أن موعد المغادرة من هذه الميزة هو أفضل وجهة للتنبؤ ميزة واحدة.

ثم يتم تبسيط المشكلة بشكل أكبر لحساب الاحتمال الشرطي من كل جهة في وقت المغادرة من هذه الميزة، هذا نموذج الاحتمالات. هذا هو تقدير النظرية الافتراضية من احتمال المشكلة، وفقا للصيغة النظرية الافتراضية والكلي تغيير صيغة الاحتمال إذا تطلبت المتغيرات الرئيسية الحل، وهذا هو، ابتداء من الساعة الوجهة هذه المرة لتوزيع الاحتمال الشرطي.

4 مفتاح حل المشكلات: اكتشاف قوانين من البيانات

هنا في حل القضايا الرئيسية. نحن ننظر إلى بيانات المستخدم، وقت المغادرة العمود أقصى اليسار في الجدول هو المستخدم، والحق هو الوجهة المقابلة.

قد لا تكون هذه البيانات انتظام اضحة وضوح الشمس. فقط قال الخصائص الإحصائية للوقت، لذلك إزالة التاريخ، اليسار هو المقصود، هو حق الفواتير الوقت. هذا قد لا يزال ليس من السهل أن نرى القانون.

هنا هو الرسم البياني للتردد من وجهتي السفر والرسم. هذا نظرة واضحة جدا. ودعا التوزيع الإحصائي للبيانات مثل الكثير من الكلاسيكية في توزيع العادي، وأيضا توزيع جاوس. بعد أن حللت عددا من اكتشاف تتعلق هذه الحالة هو ما شابه ذلك، وهذا هو، لنفس المستخدم، نفس الوجهة يتماشى مع التوزيع الطبيعي.

والسؤال التالي هو: كيف نحن ذاهبون لتقدير التوزيع الطبيعي. ونحن نعلم أن هناك نوعان من المعايير الأساسية لتوزيع طبيعي، تباين هو المطلوب واحد، فإن الخطوة التالية هي كيف يمكننا تقدير المتوسط والتباين.

نحن ننظر إلى مثالين. المثال الأول، في كل مرة 8:00، 9:00، 10:00، 09:00 يعني هو ذلك، ونتيجة لمباشرة. في المرة القادمة 23:00، على التوالي، 0:00، 1:00، 0:00 المتوسط هو. ترك المشاكل حساب لك، 03:00، 22:00، 23:00، يعني هو كم؟ 03:00، 15:00، 21:00 المتوسط هو كم؟

أنا هنا نقدم طريقتين، الطريقة الأولى هي طريقة النواقل.

هذا الرقم هو الاتصال الهاتفي دائري مع محورين، x و y محاور. ويمثل كل لحظة من قبل ناقلات، والجمع النواقل. فقط داخل المشاكل 3 نقاط، وناقلات 22 نقطة، 23 نقطة بفارق ثلاث نقاط هي 0، وبالتالي فإن المتوسط هو 0.

يتم احتساب تدفق الخوارزمية أولا عن كل نقطة زمنية المقابلة لتمثيل ناقلات، أي تحويلها إلى زاوية ناقلات في كل مرة. وتحسب قيم جيب التمام شرط، لتمثيلها في إحداثيات س المحور، المحور الصادي. يتم احتساب الخطوة الثانية والوقت ن ناقلات المقابلة. الخطوة الثالثة بحساب زاوية ناقلات ومحور س، وذلك باستخدام صيغة جيب التمام عكسية. الخطوة الرابعة هي لتحويل زاوية المقابلة لوقت، وهذا هو، لدينا لحساب المتوسط. المقابلة لتباين حساب آخر.

ولكن هذا الأسلوب هو متجه مع اثنين من المشاكل الصغيرة:

نرى اثنين من هذه الأمثلة، المثال الأول، إذا ثلاث مرات هو 0:00، 0:00، 3:00، وتحسب على أساس طريقة المتوسط ناقلات هو 00:58:33، ولكن في الواقع يعني أنه ينبغي أن يكون 01:00. مثال آخر هو، إذا كانت الساعة اثنين من الوقت 0 و12:00، يتم تحويل مبلغ اتجاهين متعاكسين في ناقلات، ناقلات المبلغ هو صفر، لا يوجد اتجاه متجه الصفر، لا يوجد حل. لذا فإن السؤال هو: هل يمكن فقط الحصول على تقريبي حل طريقة ناقلات، وليس الحل في الحالات الحدود، كيف يمكننا أن نفعل؟

الطريقة الثانية أعرض طريقة لاغرانج، يمكن أن تحل هذه المشكلة. مراجعة دعونا مفهوم وطبيعة تحت المتوسط الحسابي والمتوسط الحسابي لتلبية مثل خاصية هامة: كل مربع المسافة ومراقبة الحد الأدنى العينة. كيفية حل؟ هذا هو أسلوب لاغرانج.

أولا مشتق من معادلة الصيغة، بحيث المشتقة تساوي 0، والحصول على أحمر قياسي جديد، هذه الصيغة، ونحن نعلم الصيغة لحساب المتوسط الحسابي.

ويمكن أيضا أن أعرب عن القياس متوسط الوقت بهذه الطريقة، يمكن اعتبار متوسط الوقت مع مربع المسافة وأصغر مرة واحدة وكل وقت. نحن هنا نقدم مفهوما جديدا، وهذا هو، والمسافة بين لحظتين. ثم كيفية حساب المسافة بين لحظتين؟ ألقي نظرة على المسافة بين لحظات اثنين يجب أن ترضي خاصيتين: الأولى، والمسافة بين لحظتين لا يمكن أن يكون سلبيا، يجب أن تكون أكبر من أو يساوي 0، والآخر هو المسافة بين لحظتين لا تزيد عن 12، والتي هي 23:00 و00:00، المسافة بينهما هي 1 بدلا من 23. مع بعد هذين، يمكنك استخدام وظيفة دالة متعددة التعريف التالية.

وظيفة تجزئة هو ليس من السهل استبدال لحل المشاكل المذكورة أعلاه، لا يهم، يمكنك استخدام طبيعة القيمة المطلقة ومن ثم تحويلها إلى إطلاق تعبير موحد، وهذه المرة الجزئين تعمل على توحيد.

وأخيرا، هناك يتم استبدال في مشكلة الأمثل أعلاه، ثم حل هذه المشكلة الأمثل يمكنني الحصول على الوقت والتباين، وهذه المرة لم يكن هناك حل، والحل هو الحل الصحيح. على هذا النموذج إلى حل بسبب الوقت وأنا لن بدء التشغيل.

وباختصار، فإن طريقة ناقلات بسيطة وسهلة الفهم، ولكنها تسعى إلى حل تقريبي، ولكن لا يوجد حل في ظل الظروف الحدود. لاغرانج الحصول على حلول الدقيقة هي، ولكن ليس من المفهوم بداهة خوارزمية معقدة قليلا، وتعقيد الوقت هو O (nlogn).

وأخيرا، هناك مشكلة، وأعتقد أن نفس المستخدم أعلاه، فإن موعد المغادرة في نفس الوجهة تتبع التوزيع الطبيعي. هنا هو مشكلة صغيرة، والمتغير المستقل التوزيع الطبيعي هو عدد محور كامل من اللانهاية الطرح بالإضافة إلى ما لا نهاية. ولكن توزيع موعد المغادرة من 0 إلى 24، ويحتوي على الطبيعة الدورية. الاحصاء الرياضي المتقدمة في الداخل، ويسمى هذا التوزيع دورة التوزيع العادي، والمعروف أيضا توزيع فون mises.

هنا هو العملية برمتها من خوارزمية لدينا، أولا وقبل كل ذلك بناء على تاريخ النظام الخاص بالمستخدم، وذلك لتوقع حساب والتباين توصف في كل مرة تقابل وجهة، ثم حساب احتمال كل وجهة استنادا إلى البيانات الوسيطة الوقت الحالي، والخطوة الثالثة مع المحار احتمال النظرية الافتراضية من كل الحوسبة إطار المقصد؛ لوضع اللمسات الأخيرة على قيمة العتبة، والنتائج التي نريدها لتلبية هذه العتبة.

بعد ذلك، أعطي مثالا على نقطة الصورة. هذا الجدول هو وقت رحيل كل مستخدم إلى الوجهة التوزيع، اليمين المتطرف هو مؤشر التوزيع له.

أضع كل ساعة تحويلها إلى عشري، مثل وجهة A، نرى أن المتوسط هو 10.5، وهذا يعني الساعة 10:30 صباحا، تباين ساعتين، والتردد هو 0.47. يفترض أن الوقت الحالي هو 09:00، وفيما يلي بعض من نتائج المتوسطة.

وأخيرا، النظرية الافتراضية صيغة المتحولين إلى إعطاء الوقت من اليوم 9:00 هذا الاحتمال إلى المستخدم A هو 0.98، إذا كانت عتبة مجموعة هي 0.9، ثم الوجهة A لدينا "اعتقد انك برئاسة" نتيجة.

5 أفضل: مزيد من ضبط وتحسين نموذج

بعد نموذج بسيط، فإن الخطوة التالية لدينا لتحقيق نتائج أفضل، وهذا هو خطوة بخطوة لوضع هذا النموذج على بذل المزيد من الجهد وأكثر تعقيدا. أولا ننظر إلى ميزة واحدة أخرى، ليست هذه هي المرة رحيل الانتخابات، وانتخاب العرض رحيل الطول والعرض. ما يلي هو البلمرة وجهات المستعمل تبدأ خطوط الطول والعرض، وهذه الميزة أيضا لديه خصائص التوزيع الطبيعي، وهناك نقطة مركزية، وأبعد من المركز، فإن تردد المقابلة تصبح أقل.

رسم صورة ثلاثية الأبعاد مثل هذا، حتى أنني أذكر الفرضية، وخطوط العرض والطول رحيل تحت نفس المستخدم إلى نفس الوجهة تمشيا مع التوزيع الطبيعي ثنائي الأبعاد، وظيفة محددة الكثافة هي الصيغة التالية.

وأنا لا يفسر كل معلمة، والتركيز على اشتقاق أنا لا تدفع، في الواقع، مثل التي ذكرتها للتو، ووقت المغادرة، وحساب الاحتمالات، والمجموعة الأخيرة من الصيغة النظرية الافتراضية.

نظرة المباشر على النتائج، وهذا هو بلدي المستخدمين المحدد، مع خطوط الطول والعرض على غرار رحيل، إذا كان خط العرض المستخدم والعرض من اليمين المتطرف، واحتمال ذهب إلى وجهات عدة. واحتمال ذهب إلى جهة أعلى، 0.81. إذا كانت عتبة 0.9، ثم الانتخابات، لأنه لا يوجد احتمال وجهة أعلى من 0.9، في هذه الحالة، على الرغم من أن المستخدم لفتح التطبيق، ولكن لا يبدو "اعتقد انك برئاسة" يعني أننا لا بالكامل وتوقع أين هو ذاهب.

بعد دراسة نوقشت أعلاه، يمكننا استخلاص الاستنتاجات التاليين: أولا، بدءا قته تحت نفس المستخدم إلى نفس الوجهة يتماشى مع أحادي البعد التوزيع الطبيعي، والثاني هو نفس المستخدم إلى نفس الوجهة يتماشى مع خطوط الطول والعرض رحيل المقابلة التوزيع الطبيعي ثنائي الأبعاد. ونحن قادرون على استخلاص نفس المستخدم إلى نفس الوجهة ورحيل وقت العرض رحيل الطول والعرض وذلك تمشيا مع التوزيع الطبيعي ثلاثي الأبعاد.

آمل أن تكون هذه المتغيرات الثلاثة لحساب متجه، ومصفوفة التغاير ومصفوفة عكسية للحصول على المعلمة، ومن ثم تطبيق الصيغة النظرية الافتراضية. واحتمال وجدنا أعلى جهة، ويبعد 0.81، 0.97 الآن. أنه، بعد إضافة نظام متغير من جهة توقع نتائج عدم اليقين المتجهه القادم مخفضة.

في وقت سابق أنا أساسا استخدام إطار النظرية الافتراضية + التوزيع الطبيعي من هذه المعارف التقليدية الإحصاء الرياضي، محاكاة العمليات التجارية. التعامل مع التوزيع الطبيعي عندما كان ثلاثة يوان أكثر تعقيدا، وعموما الطرق التقليدية في الاحصاء الرياضي لأنه إذا كان لديك شيء لعشرات من الميزات التي هي كارثة.

التالي حاولت من المعتاد، وتطبيق إطار النظرية الافتراضية، نموذج LR لاستخلاص النموذج الكلاسيكي لتعلم الآلة، ونحن استبداله في النظام، في عصر التعلم الآلي.

كنت أعاني من هذا القبيل مجموعة المتغير الذي يمثل جهة معينة مع D، Y هي القيمة الوجهة.

معنى من اثنين من المعادلات الموضحة أعلاه قد تكون طبيعية إلى الوجهة D الدرجة الرمزية وليس فئة المستخدم D الوجهة. لتقدير احتمال أن المستخدم هو الذهاب في هذه الوجهة D X هذه الميزة، تطبيق التغيير على الصيغة النظرية الافتراضية للحصول على المعادلة التالية.

في الواقع، هذا هو واحد ليس أكثر من بعض الحسابات الجبر الخطي. الاشياء داخل الأقواس دمج تتكشف، والقيام ببعض التحول، والصيغة الناتجة بسيطة نسبيا، هي معادلة الانحدار اللوجستي.

وفيما يلي بعض النقاط على المذكرة، مقارنة مع الانحدار اللوجستي القياسية، وبالضد من التوزيع الطبيعي + النظرية الافتراضية إطار الانحدار اللوجستي له حيث من الدرجة الثانية وعبر. آخر، وذلك تمشيا مع الافتراض الأولي أن اثنين من التوزيع الطبيعي، وفي الحقيقة لا تتبع بالضرورة التوزيع الطبيعي، فمن الصعب حتى العثور على توزيعها على لياقتهم.

إذا كنت تعامل الميزات الصحيحة، وتطبيق مباشرة آلة الانحدار اللوجستي أساليب التعلم، ثم الأثر الناتج قد لا يكون الأسلوب الرياضي التقليدي هو أفضل، وحتى بعض من خصائص المعالجة هندسيا، يتميز الهندسية.

بعد ذلك، علاج خلاصة مشروعه ميزة التعلم لدينا آلة. مشروع ميزة هي دورة عظيم، لا توجد وسيلة تبادلات متعمقة، وأنا مجرد شرح بإيجاز كيف نقوم به.

أولا، بعض ملامح ليتم عرضه هنا، كما توقعنا المتغير هو المقصود، علينا أن نختار وجهة مع ميزات هامة للغاية، مثل وقت المغادرة، مغادرة ومعلومات المستخدم، والذي هو الارتباط الكبير نسبيا الميزة. وتتميز في أن الخطوة التالية هي لتقسيم الخصائص الأولية بعد المختارة، الأسلوب المعتاد هو استخدام المعرفة من رجال الأعمال، حيث الانقسام المنتخبين إلى المزيد من شبه الحبوب ميزة حجم أدق، مثل الوقت للانقسام في الوقت . بعض ميزات إضافية قد نحتاج لحفر أعمق، على سبيل المثال، يتم إخفاء ميزة المستخدم فعليا في العديد من ملامح خفية وراء سلوك المستخدم، وهذه المرة لدينا فريق متخصص من استخراج البيانات، ويتميز المستخدم صور المستخدم أو تحليل سلوك المستخدم .

بعد انفصلت الكثير من الميزات، فإنه قد لا يكون مستقلة عن بعضها البعض هذه الخصائص، والحاجة إلى مزيد من استخراج ميزة والتحول. بعد الميزات المحددة، إذا كنت تستخدم الانحدار اللوجستي، قد تحتاج أيضا إلى أن تكون بيانات منفصلة، 0،1 إلى متغيرات منفصلة. أساسا لحل خصائص متميزة من النمو، قد لا يكون نمو كل ميزة مساهمة خطية إلى النتيجة النهائية، في حين أن الحق تدريب منفصلة بعد السطر إلى 0،1 حمولة ثقيلة متغير يمكن استخدامها مباشرة بعد النظام على شبكة الإنترنت، وهو ما يعادل الضرب مباشرة في بالإضافة إلى ذلك، أداء النظام يمكن أن تحسن إلى حد كبير.

الولايات المتحدة 6 من البيانات: توزيع تبادل البيانات من عدة حالة مثيرة للاهتمام

سبق هو لإدخال التكنولوجيا، ثم دعونا ننظر في عدد قليل من الحالات أكثر إثارة للاهتمام، ويشعر سحر لدينا قطعة من البيانات.

المستخدم الأول، وبياناته تكون قادرة على التمييز بين الخير الوجهة التي يذهب مع الوقت بدءا من هذه الميزة فقط. ذهب إلى الوجهة A متوسط وقت المغادرة هو 10.5، وذهب إلى الوجهة B متوسط وقت المغادرة هو 19:20، أود أن ألفت الرسم داخل الأزرق هو موعد المغادرة من وجهة التوزيع A، B الأحمر هو للذهاب إلى وجهة موعد المغادرة للتوزيع، وتوزيع اثنين من تداخل قليلا.

المقصد المعلومات المتبادلة ووقت المغادرة عالية جدا، 1.36. جهة ورحيل الوقت، رحيل المعلومات المتبادلة مع الجمع بين هذين المتغيرين هو 1.47. يمكننا أن نرى، بالنسبة للمستخدم، حتى لو ملامح وجهة الزيادة، ليس هناك الكثير من المعلومات الحصول على ما يصل.

المستخدم الثاني، مع وقت المغادرة ليست قادرة على التمييز بين ما ذهب الوجهات. ذهب إلى الوجهة A 12.4 متوسط وقت المغادرة، وذهب إلى الوجهة B متوسط الوقت من 11.6، هذين الوقتين أقرب. هذا المستخدم في المرة 00:00، نجد له إلى وجهات ألف والاحتمالات جهة B مرتفعة، لا تمييز جيد جدا، وهناك عدد كبير التوزيع الاحتمالي منحنى التقاطع.

أقل من جهته A إلى الوجهة B والطول رحيل المناظرة وتوزيع خط العرض، والمحور الأفقي هو خطوط الطول والعرض، المحور الرأسي. النقطة الزرقاء (أ) هو الوجهة إلى خط العرض المستخدم والعرض، وتتركز في منطقة واحدة، النقطة الحمراء هو المستخدم B، خطوط الطول جهة، وتتركز في منطقة أخرى. نجد أنفسنا مع رحيله خطوط الطول والعرض يمكن أن يكون وجهة جيدة تميز به هو أن يذهب إلى A أو B وجهة.

مستخدمي هذا، حسبنا الوقت جهته المقابلة مع رحيله، وقت المغادرة المعلومات المتبادلة وتبادل المعلومات وجهة ورحيل الوقت من الزمن رحيل رحيل هي أعلى المتغيرات المشتركة.

ما سبق هو تاريخ السفر للمستخدم، وإذا كان هذا المستخدم من B هذا المكان، بعد ذلك، في معظم الحالات هو A، في معظم الحالات إذا كان المستخدم في A هذا المكان ابتداء، ثم انتقل B، نحن التخمين عند هذا قد يكون ظهر من العمل مع شركائنا في APP سيارة أجرة سيارة أجرة من لB لتناول العشاء، ثم بعد وجبة لكنه عاد لدينا سيارة أجرة APP من لB إلى الأرض، وكان يأكل في وقت قريب. هذه هي حالة مثيرة جدا للاهتمام.

في الحالة الأخيرة، وهي المرة رحيل ومغادرة ميزة واحدة ليست سهلة للتمييز، يمكننا أن ننظر في ذلك المعلومات المتبادلة. وجهته والمغادرة من المعلومات المتبادلة ليست عالية، والمقصد من المعلومات المتبادلة ووقت المغادرة ليست عالية، ولكن وجهته والمغادرة، وقت المغادرة المعلومات المتبادلة اثنين من المتغيرات مشتركة عالية نسبيا. بالنسبة للمستخدم، مع رحيل ومغادرة الوقت للخروج من اثنين من المتغيرات المشتركة، يمكنك أن تعرف أين ذهب. ونحن ننظر المباشر في هذه القائمة، إذا كان المستخدم هو حوالي 18 نقطة، وانه انطلق من A، ثم انه هو احتمال كبير من B للذهاب.

حصة هذه المادة الرئيسية هي في الأساس وفقا لبعض الشيء "أعتقد أنك برئاسة" وجهة نظام التنبؤ من الصفر لديك أمر ممتاز قدم. خط ضمني آخر هو أن نتعلم من الاحصاء الرياضي إلى الجهاز، الجزء الأول وشرحت كيف النمذجة باستخدام الطرق التقليدية في الاحصاء الرياضي، ونحن نستخدم النصف الثاني من الاتجاه الحالي الذكاء الاصطناعي، تعلم الآلة هنا مع النمذجة والأمل حصة اليوم لتعطينا بعض الإلهام في العمل والدراسة. شكرا لك.

إدخال المؤلفين

انضم تشانغ ينج يو 2012 بايدو، أي استراتيجية البحث مهندس تطوير الخوارزميات، 2013 انضم فشيئا، وكبار المهندسين الخوارزمية، سياسة سيارة أجرة الاتجاه خوارزمية المدير الفني والخبراء الفنيين، ونموذج بارز السياسة، وذلك باستخدام آلة التعلم والبيانات الكبيرة التقنيات والتي يقودها تصميم الشركة حققت عددا من محرك الذكاء على مستوى النظام، مثل التحسين التوافقي أنظمة التوزيع بناء على أوامر، على أساس تجميع الكثافة والتحسين العالمية من قدرة المحرك جدولة والتوجيه حركة المرور وتوصيات شخصية، "أعتقد أنك ذاهب" شخصية نظام توصية جهة وهلم جرا. أكثر من اثني عشر الشركات العاملة في مجال البحث والتطوير التكنولوجي من تطبيق الابتكار براءات الاختراع. جيدة في استخدام النمذجة الرياضية، ونماذج الأعمال التجريدية وتعلم الآلة لحل مشاكل الأعمال الحقيقية.

عملية ذكية والصيانة وServerless، DevOps، AIOps ...... عملية عالمية CNUTCon وصيانة مؤتمر التكنولوجيا سيعقد 10-11 سبتمبر في فندق اتفاقية ايفربرايت ومعرض شنغهاي المركز عقد 12 شارك في إنتاجه دانيال، سر عملية جديدة وصيانة في عهد ذكي، والمزيد من جوجل، اوبر، باي، IBM، علي، بايدو، تينسنت، كتريب Jingdong، هواوي وغيرها من المعروف شركات الإنترنت الكبيرة الفنيين القهوة الجبهة لتبادل الخبرات واجه في حفرة مع أحدث عملية التكنولوجيا والممارسة الصيانة، فمن المستحسن أن تعلم! انقر على "قراءة النص الأصلي" أكثر إثارة! 20 تخفيض من تسجيل العد التنازلي الاسبوع ملكة جمال!

نص اليوم الموصى بها

انقر أدناه لقراءة الصورة

كيفية الاستفادة من السجلات إنجن إكس مخبأة منجم للذهب؟