知识卡片
MVP:用规则代理先拿到有用性信号
为产品集成而投入 ML 模型可能很昂贵:建带正确特征与标注的数据集、训练模型、投进生产,往往要数周到数月,因此必须尽早拿到「有用性」信号,回答两个问题:能否做出一个能用(或够用)的模型,以及能否把这个模型以有说服力、有用的方式接进产品。做法是先对已建模型做仔细的离线评估、分析应用预期常见用例的响应;对于用户交互层面的效用,好的做法是先「假装」交互存在、只面向一小撮用户——也就是用一组固定规则或启发式发布 MVP,背后并没有真模型,用来证明这个功能真的能解决客户需求。以个性化为例,可先按用户上次所选准备一个可选清单;简单规则引擎常常是演进到复杂 ML 模型的第一步,例如买编织花样就可能需要配套毛线、针具与辅料,每年秋天随天气转冷买新毛线就在当地每年秋天推荐,总刷信用卡就下次把它设为默认支付。规则显然不可能覆盖所有情形,那正是 ML 最有价值之处,但几条简单代理就足以验证方向、校正产品愿景,这是保证 ML 系统投入能回本的最好机会。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- How Product and ML Interact · 查看原书依据
To figure out whether the ML integration into our product will work, we need to answer two questions: (1) can we make a model that works (or works well enough), and (2) can we integrate that model into our product in a compelling and useful way? Building a dataset with the right features and labels, training the model, and putting it in production can range from a few weeks to a few months. We will want to get a signal of usef