对算法中的机器学习的简单解释
Posted: Sat Apr 19, 2025 3:43 am
SERP并不是按照纯粹的达尔文主义原则运作的......但查尔默斯仍然认为,我在搜索结果中提出的达尔文主义概念是一种非常好的思考方式。更好的是,他告诉我 Bing 有一个算法叫做……达尔文?
正如您所料,整个页面算法是基于意图的。它对结果进行加权并确保最能满足意图的丰富元素表现良好。
例如,对于碧昂丝来说,展示视频和新闻很重要,因为这是用户想要的。在这种情况下,10 个蓝色链接并不重要。
这是主页/全页算法对显示内容的决定有很大影响的一个例子。
对算法中的机器学习的简单解释
插图:维罗尼克·巴纳德
人类告诉机器他认为哪些因素(或者特征,Nathan 称之为 ?)很重要,并给它制定规则来确定什么应该被视为成功或失败。
然后,机器会接收到大量人类针对一系列不同搜索查询标记的好沙特阿拉伯电子邮件列表结果和坏结果的示例。
然后,机器会找到不同的特征权重,无论请求是什么(即使是机器从未见过的新查询),这些权重在任何情况下都能提供高质量的结果。
Frédéric Dubut 建议解决这个问题的一个好方法是将算法视为一个简单的测量模型......它可以衡量成功和失败,并进行相应的调整。
但重要的是要理解人类发挥着核心作用。机器没有自由:算法是由人类构建的,人类通过示例提供好与坏的定义。
创建和维护平台的人类也定义哪些功能重要……哪些不重要。
机器学习只是平衡所有特征以最好地满足人类的判断。
正如您所料,整个页面算法是基于意图的。它对结果进行加权并确保最能满足意图的丰富元素表现良好。
例如,对于碧昂丝来说,展示视频和新闻很重要,因为这是用户想要的。在这种情况下,10 个蓝色链接并不重要。
这是主页/全页算法对显示内容的决定有很大影响的一个例子。
对算法中的机器学习的简单解释
插图:维罗尼克·巴纳德
人类告诉机器他认为哪些因素(或者特征,Nathan 称之为 ?)很重要,并给它制定规则来确定什么应该被视为成功或失败。
然后,机器会接收到大量人类针对一系列不同搜索查询标记的好沙特阿拉伯电子邮件列表结果和坏结果的示例。
然后,机器会找到不同的特征权重,无论请求是什么(即使是机器从未见过的新查询),这些权重在任何情况下都能提供高质量的结果。
Frédéric Dubut 建议解决这个问题的一个好方法是将算法视为一个简单的测量模型......它可以衡量成功和失败,并进行相应的调整。
但重要的是要理解人类发挥着核心作用。机器没有自由:算法是由人类构建的,人类通过示例提供好与坏的定义。
创建和维护平台的人类也定义哪些功能重要……哪些不重要。
机器学习只是平衡所有特征以最好地满足人类的判断。