You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Copy file name to clipboardExpand all lines: help/using/experience-decisioning/decisioning-faq.md
+5-5Lines changed: 5 additions & 5 deletions
Display the source diff
Display the rich diff
Original file line number
Diff line number
Diff line change
@@ -32,22 +32,22 @@ Als u twee plafondregels voor een aanbieding definieert:
32
32
33
33
Het aanbod wordt niet meer weergegeven aan een gebruiker als deze het vijf keer per week heeft gezien, zelfs als de totale limiet van 100 nog niet is bereikt. Op dezelfde manier, zodra 100 totale indrukken worden bereikt, houdt de aanbieding op worden getoond aan alle gebruikers.
34
34
35
-
Leer meer over [ het begrenzen regels ](items.md#capping).
35
+
Leer meer over [​ het begrenzen regels ​](items.md#capping).
36
36
37
37
+++
38
38
39
39
## Beoordelingsformule {#ranking-formulas}
40
40
41
41
+++**wat is de rol van publiek tegenover een volledige dataset in AI modellen?**
42
42
43
-
Wanneer het vormen van [ AI modellen ](ranking/ai-models.md), zowel dienen de datasets als het publiek afzonderlijke doeleinden.
43
+
Wanneer het vormen van [​ AI modellen ​](ranking/ai-models.md), zowel dienen de datasets als het publiek afzonderlijke doeleinden.
44
44
45
45
***Datasets**: De omzettingsgebeurtenissen van de Vangst (kliks, orden, opbrengst) die als optimaliseringsdoelstellingen voor het model dienen.
46
46
***Soorten publiek**: Functie als voorspellende variabelen die het model toelaten om aanbevelingen te personaliseren die op het lidmaatschap van het klantensegment worden gebaseerd.
47
47
48
48
Het publiek beperkt of vergroot het bereik van het model niet. In plaats daarvan, verstrekken zij contextafhankelijke attributen die de capaciteit van het model verbeteren om gepersonaliseerde voorspellingen over verschillende klantensegmenten te maken.
49
49
50
-
Beide componenten worden vereist voor efficiënte [ gepersonaliseerde optimalisatiemodellen ](ranking/personalized-optimization-model.md) modelprestaties.
50
+
Beide componenten worden vereist voor efficiënte [​ gepersonaliseerde optimalisatiemodellen ​](ranking/personalized-optimization-model.md) modelprestaties.
51
51
52
52
+++
53
53
@@ -70,7 +70,7 @@ In AI-modellen worden nieuwe aanbiedingen tijdens de volgende trainingscyclus ge
70
70
71
71
Zodra beide modellen zijn geïdentificeerd, zullen zij onmiddellijk de nieuwe aanbiedingen aan sommige bezoekers gaan bedienen om hun prestaties te testen en gegevens over hun doeltreffendheid te verzamelen.
72
72
73
-
Leer meer over [ auto-optimalisering ](ranking/auto-optimization-model.md) en [ gepersonaliseerde optimalisering ](ranking/personalized-optimization-model.md) modellen.
73
+
Leer meer over [​ auto-optimalisering ​](ranking/auto-optimization-model.md) en [​ gepersonaliseerde optimalisering ​](ranking/personalized-optimization-model.md) modellen.
74
74
75
75
+++
76
76
@@ -102,7 +102,7 @@ Standaard probeert het systeem geen gepersonaliseerde modellen te maken voor aan
102
102
>
103
103
>In productieomgevingen met grote aanbiedingen voor catalogi (~300 aanbiedingen) en restrictieve bedrijfsregels, kunnen sommige aanbiedingen lagere absolute drempels benaderen (250 beelden en 25 omzettingen per 30 dagen). Deze zijn de minimale gegevensvereisten voor modeltraining, maar bieden mogelijk geen garantie voor optimale prestaties.
104
104
105
-
Leer meer over [ vereisten van de gegevensinzameling ](data-collection/data-collection.md).
105
+
Leer meer over [​ vereisten van de gegevensinzameling ​](data-collection/data-collection.md).
0 commit comments