다음을 통해 공유

학습 정책 및 설정

  • 아티클

Important

2023년 9월 20일부터 새로운 Personalizer 리소스를 만들 수 없습니다. Personalizer 서비스는 2026년 10월 1일에 사용 중지됩니다.

학습 정책 설정은 모델 학습의 하이퍼 매개 변수를 결정합니다. 서로 다른 학습 설정에서 학습된 동일한 데이터의 두 모델은 서로 다르게 작동합니다.

학습 정책 및 설정은 Azure Portal의 Personalizer 리소스에 대해 설정됩니다.

학습 정책 가져오기 및 내보내기

Azure Portal에서 학습 정책 파일을 가져오고 내보낼 수 있습니다. 이 방법을 사용하면 기존 정책을 저장하고 테스트하고 바꾸고 나중에 참조 및 감사하기 위한 아티팩트로 원본 코드 제어에 보관할 수 있습니다.

Personalizer 리소스에 대해 Azure Portal에서 학습 정책을 가져오고 내보내는 방법에 대해 알아봅니다.

학습 정책 설정 이해

학습 정책의 설정은 변경할 수 없도록 되어 있습니다. Personalizer에 미치는 영향을 이해하는 경우에만 설정을 변경해야 합니다. 이를 알지 못하면 Personalizer 모델 무효화 등의 문제가 발생할 수 있습니다.

Personalizer는 vowpalwabbit를 사용하여 이벤트를 학습하고 점수를 계산합니다. vowpalwabbit를 사용하여 학습 설정을 편집하는 방법은 vowpalwabbit 설명서를 참조하세요. 올바른 명령줄 인수를 사용하는 경우 명령을 다음 형식(인수 속성 값을 원하는 명령으로 바꿈)으로 파일에 저장하고 Personalizer 리소스에 대한 Azure Portal의 모델 및 학습 설정 창에서 학습 설정을 가져올 수 있도록 파일을 업로드합니다.

다음 .json은 학습 정책의 예입니다.

{
  "name": "new learning settings",
  "arguments": " --cb_explore_adf --epsilon 0.2 --power_t 0 -l 0.001 --cb_type mtr -q ::"
}

학습 정책 비교

오프라인 평가를 수행하여 Personalizer 로그의 과거 데이터를 기준으로 서로 다른 학습 정책이 수행된 방법을 비교할 수 있습니다.

자신의 학습 정책을 업로드하여 현재 학습 정책과 비교합니다.

학습 정책 최적화

Personalizer는 오프라인 평가에서 최적화된 학습 정책을 만들 수 있습니다. 오프라인 평가에 더 나은 보상을 제공하는 최적화된 학습 정책은 Personalizer에서 온라인으로 사용되는 경우 더 나은 결과를 얻습니다.

학습 정책을 최적화한 후에는 이 정책을 Personalizer에 직접 적용할 수 있으므로 현재 정책이 즉시 바뀝니다. 또는 추가 평가를 위해 최적화된 정책을 저장하고 나중에 이를 삭제, 저장 또는 적용할지 여부를 결정할 수 있습니다.

다음 단계