我们每天都在与机器学习系统互动,这些系统会根据用户个性化预测,无论是推荐电影、寻找新朋友或约会对象,还是组织我们的新闻推送。这些系统涉及多种形式的数据,从点击或购买的序列,到包含文本、图像或社交互动的丰富形式。
虽然设置和数据模式差异很大,在本书中我们介绍了一套共同的原则和方法,以支持个性化预测模型的设计。
本书首先修正了“传统的”机器学习模型,并特别关注如何使它们适应涉及用户数据的设置。稍后,我们将开发基于更高级原则的技术,如矩阵分解、深度学习和生成建模。最后,我们对部署个性化预测系统的后果和风险进行了详细的研究。
通过理解个性化机器学习背后的原理,读者将获得为涉及用户数据的广泛应用设计模型和系统的能力。一系列案例研究将帮助读者理解个性化在从电子商务到个性化健康等领域的重要性,而实际项目和代码示例(以及在线补充)将让读者获得使用大规模真实数据集的经验。
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“P201” 就可以获取《【2022新书】个性化机器学习: 推荐系统,341页pdf,附201页slides》专知下载链接