設定個人化工具學習迴圈

重要

從 2023 年 9 月 20 日起，您將無法建立新的個人化工具資源。個人化工具服務將於 2026 年 10 月 1 日淘汰。

服務設定包括服務如何處理報酬、服務進行探索的頻率、模型重新定型的頻率，以及要儲存多少資料。

在 Azure 入口網站的 [設定] 頁面上，設定該個人化工具資源的學習迴圈。

規劃設定變更

因為某些設定變更會重設您的模型，所以您應該規劃設定變更。

如果您打算使用新手模式，請務必檢閱您的個人化工具設定，然後再切換到新手模式。

下列動作會使用最近 2 天可用的資料，觸發模型的重新定型。

若要清除您的所有資料，請使用 [模型和學習設定] 頁面。

設定服務，讓您的學習迴圈使用報酬。變更下列值將會重設目前的個人化工具模型，並會以過去 2 天的資料將模型重新定型。

設定意見反應迴圈的報酬值

值	目的
奬勵等待時間	設定要讓個人化工具為排名呼叫收集報酬值的時間長度，這段時間從該排名呼叫發生的當下起算。系統會詢問下列問題來設定此值：「個人化工具應該等候報酬呼叫多久？」在此時段過後才抵達的報酬會記錄下來，但不會用於學習。
預設奬勵	如果個人化工具未在「報酬等候時間」的時段內收到任何報酬呼叫，便會指派預設報酬。預設報酬會預設為零 (0)，且大部分情況下皆是如此。
奬勵彙總	如果從相同的排名 API 呼叫收到多個報酬，便會使用下列其中一個彙總方法：總和或最早。「最早」會挑選最早收到的分數，並捨棄其餘分數。如果您想要從可能重複的呼叫中挑出唯一的報酬，這會非常有用。

在變更這些值之後，請務必選取 [儲存]。

個人化能夠探索新的模式，來適應隨著時間變化的使用者行為，方法是探索替代方案，而不是使用定型模型的預測。探索值會決定要在進行探索時回應多少百分比的排名呼叫。

變更此值將會重設目前的個人化工具模型，並會以過去 2 天的資料將模型重新定型。

探索值會決定要在進行探索時回應多少百分比的排名呼叫

在變更此值之後，請務必選取 [儲存]。

模型更新頻率設定定型模型的頻率。

頻率設定	目的
1 分鐘	一分鐘的更新頻率即適用於使用個人化工具對應用程式的程式碼進行偵錯、示範，或以互動方式測試機器學習服務的面向。
15 分鐘	若您想要密切追蹤使用者行為的變更，可使用較高的模型更新頻率。例如播放即時新聞、熱門內容或即時產品競標的網站。在這些案例中，您可以使用 15 分鐘的頻率。
1 小時	針對大多數使用案例，較低的更新頻率會比較有效。

模型更新頻率會設定要將新的個人化工具模型重新定型的頻率。

在變更此值之後，請務必選取 [儲存]。

資料保留期間會設定個人化工具要將資料記錄保留多少天。必須有過去的資料記錄才能執行離線評估，此評估可用來測量個人化工具是否有效，並將學習原則最佳化。

在變更此值之後，請務必選取 [儲存]。