推荐算法是移动互联网最常用的技术，像商品推荐、广告投放预测、简历匹配、新闻推荐等都会用到。不同企业的业务特点各不相同，继而技术架构、算法能力也会有所差别，PAI产品为了帮助不同企业的快速实现个性化推荐的应用，推出了难度系数由浅到深的技术方案，所有方案都已经通过模型Demo的内嵌到PAI的产品中，欢迎大家试用。
展开更多
方案一：基于Online Learning的流式算法推荐（免费邀测）
上手难度:
推荐效果:
上手难度:
推荐效果:
上手难度:
推荐效果:
应用产品：PAI Studio
出名的尿布与啤酒的故事背后映射的就是协同过滤算法，协同过滤算法是比较基础的推荐算法，经过简单的学习就可以快速上手，门槛低，但是准确率的天花板也较低。[ 查看详情 ]
上传数据至MaxCompute
参照PAI Studio首页模板利用协同过滤算法建模
生成推荐匹配结果表
将推荐匹配结果表应用于用户自身推荐逻辑中
上手难度:
推荐效果:
应用产品：PAI Studio、PAI EAS
基于对象特征的推荐建模需要用户充分理解自身的业务，通过特征工程的方式衍生更多特征，增强数据表现力。另外需要了解二分类或多分类的算法原理，不断借助PAI的AutoML调参工具提升模型表现力。最终将生成的推荐模型通过PAI EAS部署成HTTP服务供调用。[ 查看详情 ]
上传数据至MaxCompute
利用特征工程法法进行数据建模，建立特征列以及目标列
选用分类算法生成模型，并用AutoML方法不断提升模型准确率
将模型部署到PAI EAS生成HTTP服务，供业务方调用
他们都在用
|
公安部备案号 11010502032436
