Azure 推荐 API 的参数答案

【问题标题】：Azure Recommendations API's ParameterAzure 推荐 API 的参数
【发布时间】：2016-04-06 11:41:33
【问题描述】：

我想在 Azure MS 认知服务上使用推荐 API 制作推荐模型。我无法理解以下“创建/触发构建”的三个 API 参数。这些参数是什么意思？

https://westus.dev.cognitive.microsoft.com/docs/services/Recommendations.V4.0/operations/56f30d77eda5650db055a3d0

EnableModelingInsights
允许您在推荐模型。
有效值：真/假

AllowColdItemPlacement
指示推荐是否也应该通过特征相似性推送冷项目。
有效值：真/假

ReasoningFeatureList
逗号分隔的特征名称列表用于推理句子（例如推荐解释）。
有效值：功能名称，最多 512 个字符

谢谢！

【问题讨论】：

标签： azure azure-machine-learning-studio

【解决方案1】：

该页面缺少对其他位置提及的内容的引用。有关更完整的指南，请参阅此页面...

https://azure.microsoft.com/en-us/documentation/articles/machine-learning-recommendation-api-documentation/

它将文档中“排名构建”部分中的冷项描述为...

特征可以增强推荐模型，但这样做需要使用有意义的特征。为此目的，引入了新的构建 - 等级构建。此构建将对功能的有用性进行排名。有意义的特征是排名得分为 2 及以上的特征。在了解哪些特征是有意义的之后，使用有意义的特征列表（或子列表）触发推荐构建。可以使用这些功能来增强保暖物品和冷物品。为了将它们用于保暖物品，应设置 UseFeatureInModel 构建参数。为了使用冷项目的功能，应启用 AllowColdItemPlacement 构建参数。注意：如果不启用 UseFeatureInModel，则无法启用 AllowColdItemPlacement。

它还将推荐推理部分中的 ReasoningFeatureList 描述为...

推荐推理是功能使用的另一个方面。实际上，Azure 机器学习推荐引擎可以使用功能来提供推荐解释（也称为推理），从而使推荐消费者对推荐项目更有信心。要启用推理，应在请求构建推荐之前设置 AllowFeatureCorrelation 和 ReasoningFeatureList 参数。

【讨论】：

非常感谢！我不知道链接。