機(jī)器學(xué)習(xí)43條軍規(guī)：關(guān)于機(jī)器學(xué)習(xí)（ML）工程的最佳實(shí)踐文檔

Google發(fā)布了關(guān)于機(jī)器學(xué)習(xí)（ML）工程的最佳實(shí)踐文檔，旨在幫助已掌握ML基礎(chǔ)知識的人員從谷歌機(jī)器學(xué)習(xí)的最佳實(shí)踐中受益。它介紹了一種ML樣式，類似于 Google C++ 樣式指南和其他常用的實(shí)用編程指南。

本文檔旨在幫助已掌握ML基礎(chǔ)知識的人員從谷歌機(jī)器學(xué)習(xí)的最佳實(shí)踐中受益。它介紹了一種ML樣式，類似于 Google C++ 樣式指南和其他常用的實(shí)用編程指南。如果您學(xué)習(xí)過ML方面的課程，或者擁有ML模型的構(gòu)建或開發(fā)經(jīng)驗(yàn)，則具備閱讀本文檔所必需的背景知識。

術(shù)語

在我們討論有效的ML的過程中，會反復(fù)提到下列術(shù)語：

實(shí)例：要對其進(jìn)行預(yù)測的事物。例如，實(shí)例可以是一個網(wǎng)頁，您希望將其分類為 "與貓相關(guān)" 或 "與貓無關(guān)"。

標(biāo)簽：預(yù)測任務(wù)的答案，它可以是由ML系統(tǒng)生成的答案，也可以是訓(xùn)練數(shù)據(jù)中提供的正確答案。例如，某個網(wǎng)頁的標(biāo)簽可能是 "與貓相關(guān)"。

特征：預(yù)測任務(wù)中使用的實(shí)例的屬性。例如，某個網(wǎng)頁可能具有 "包含字詞'貓'" 這一特征。

特征列：一組相關(guān)特征，例如用戶可能居住的所有國家/地區(qū)的集合。樣本的特征列中可能包含一個或多個特征。"特征列" 是 Google 專用的術(shù)語。特征列在 Yahoo/Microsoft 使用的 VM 系統(tǒng)中被稱為 "命名空間" 或場。

樣本：一個實(shí)例（及其特征）和一個標(biāo)簽。

模型：預(yù)測任務(wù)的統(tǒng)計(jì)表示法。您使用樣本訓(xùn)練一個模型，然后使用該模型進(jìn)行預(yù)測。

指標(biāo)：您關(guān)心的一個數(shù)值。也許（但不一定）可以直接得到優(yōu)化。

目標(biāo)：算法嘗試優(yōu)化的一種指標(biāo)。

管道：ML算法的基礎(chǔ)架構(gòu)。管道包括從前端收集數(shù)據(jù)、將數(shù)據(jù)放入訓(xùn)練數(shù)據(jù)文件、訓(xùn)練一個或多個模型以及將模型運(yùn)用到生產(chǎn)環(huán)境。

點(diǎn)擊率：點(diǎn)擊廣告中的鏈接的網(wǎng)頁訪問者所占的百分比。

概覽

要打造優(yōu)質(zhì)的產(chǎn)品：

請把自己看成是一位出色的工程師，而不是一位ML專家。

實(shí)際上，您將面臨的大部分問題都是工程問題。即使在使用出色的ML專家掌握的所有資源的情況下，大多數(shù)收獲也是由合適的特征（而非精確的機(jī)器學(xué)習(xí)算法）帶來的。所以，進(jìn)行ML的基本方法是：

確保管道從頭到尾都穩(wěn)固可靠。

從制定合理的目標(biāo)開始。

以簡單的方式添加常識性特征。

確保管道始終穩(wěn)固可靠。

上述方法將在長時間內(nèi)取得很好的效果。只要您仍然可以通過某種簡單的技巧取得進(jìn)展，就不應(yīng)該偏離上述方法。增加復(fù)雜性會減緩未來版本的發(fā)布。

當(dāng)您充分利用了所有的簡單技巧，或許就到了探索ML最前沿技術(shù)的時候了。請參閱第三階段的 "ML項(xiàng)目" 部分。

本文檔結(jié)構(gòu)如下：

第一部分可幫助您了解構(gòu)建ML系統(tǒng)的時機(jī)是否已經(jīng)成熟。

第二部分介紹了如何部署第一個管道。

第三部分介紹了在向管道添加新特征時如何進(jìn)行發(fā)布和迭代、如何評估模型，以及如何應(yīng)對訓(xùn)練 - 應(yīng)用偏差。

最后一部分介紹了當(dāng)您達(dá)到穩(wěn)定階段時該怎么做。

之后是相關(guān)資源列表和附錄，附錄針對多次作為示例在本文檔中提及的系統(tǒng)，提供了一些背景信息。

在進(jìn)行ML之前

第 1 條規(guī)則：不要害怕發(fā)布未采用ML技術(shù)的產(chǎn)品。

ML技術(shù)很酷，但它需要數(shù)據(jù)。從理論上講，您可以采用來自其他問題的數(shù)據(jù)，然后針對新產(chǎn)品調(diào)整模型，但其效果很可能不如基本的啟發(fā)式算法。如果您認(rèn)為ML技術(shù)能為您帶來 100% 的提升，那么啟發(fā)式算法可為您帶來 50% 的提升。

例如，如果您要對應(yīng)用市場中的應(yīng)用進(jìn)行排名，則可以將安裝率或安裝次數(shù)作為啟發(fā)式算法指標(biāo)。如果您要檢測垃圾郵件，則可以濾除以前發(fā)送過垃圾郵件的發(fā)布商。此外，也不要害怕手動修改。如果您需要對聯(lián)系人進(jìn)行排名，可以按使用聯(lián)系人的時間順序由近及遠(yuǎn)對其排序（或按字母順序排序）。如果您的產(chǎn)品并非必須使用ML技術(shù)，則在獲得足夠的數(shù)據(jù)之前，請勿使用該技術(shù)。

第 2 條規(guī)則：首先設(shè)計(jì)并實(shí)現(xiàn)指標(biāo)。

在正式確定ML系統(tǒng)的功能之前，盡可能在當(dāng)前系統(tǒng)中跟蹤指標(biāo)的值。這樣做的原因如下：

提前行動有助于更輕松地從系統(tǒng)的用戶獲得授權(quán)。

如果您認(rèn)為將來可能需要考慮某個方面，最好立即開始收集相關(guān)歷史數(shù)據(jù)。

如果您在設(shè)計(jì)系統(tǒng)時考慮到指標(biāo)測量，將來會省下很多力氣。具體而言，您不希望自己以后在日志中苦苦查找字符串以測量指標(biāo)！

您將發(fā)現(xiàn)哪些內(nèi)容發(fā)生了變化以及哪些內(nèi)容始終未變。例如，假設(shè)您希望直接優(yōu)化單日活躍用戶數(shù)。但是，在早期操縱系統(tǒng)的過程中，您可能會發(fā)現(xiàn)用戶體驗(yàn)的顯著改變并沒有使該指標(biāo)發(fā)生明顯變化。

Google+ 團(tuán)隊(duì)會衡量每次閱讀的展開、轉(zhuǎn)發(fā)次數(shù)、+1次數(shù)、評論次數(shù)，以及每位用戶的評論轉(zhuǎn)發(fā)次數(shù)等，然后在應(yīng)用模型時利用這些數(shù)據(jù)來衡量帖子的質(zhì)量。另請注意，實(shí)驗(yàn)框架非常重要，您必須在實(shí)驗(yàn)框架中將用戶分組為多個分桶，并按實(shí)驗(yàn)匯總統(tǒng)計(jì)信息。請參閱第 12 條規(guī)則。

通過以更加自由的方式收集指標(biāo)，您可以更加全面地了解您的系統(tǒng)。發(fā)現(xiàn)問題了？添加指標(biāo)對其進(jìn)行跟蹤！對上個版本中發(fā)生的一些量變激動不已？添加指標(biāo)對其進(jìn)行跟蹤！

第 3 條規(guī)則：選擇ML技術(shù)而非復(fù)雜的啟發(fā)式算法。

簡單的啟發(fā)式算法有利于推出產(chǎn)品。但復(fù)雜的啟發(fā)式算法難以維護(hù)。當(dāng)您獲得足夠的數(shù)據(jù)并基本確定自己要嘗試實(shí)現(xiàn)的目標(biāo)后，請考慮使用ML技術(shù)。與大多數(shù)軟件工程任務(wù)一樣，您需要不斷更新方法（無論是啟發(fā)式算法還是ML模型），而且您會發(fā)現(xiàn)ML模型更易于更新和維護(hù)（請參閱第 16 條規(guī)則）。

ML第一階段：您的第一個管道

重點(diǎn)關(guān)注第一個管道的系統(tǒng)基礎(chǔ)架構(gòu)。雖然展望您將要進(jìn)行的創(chuàng)新性ML的方方面面是一件很有趣的事，但如果您不先確認(rèn)管道的可靠性，則很難弄清楚所發(fā)生的情況。

第 4 條規(guī)則：確保第一個模型簡單易用，并正確實(shí)施基礎(chǔ)架構(gòu)。

第一個模型可以最有效地提升您的產(chǎn)品質(zhì)量，因此不需要花哨，簡單易用即可。但是，您會遇到很多預(yù)料之外的基礎(chǔ)架構(gòu)問題。在公開推出您精心構(gòu)建的新ML系統(tǒng)之前，您必須確定以下幾點(diǎn)：

如何為您的學(xué)習(xí)算法獲取樣本。

初步確定對于您的系統(tǒng)來說，"好" 和 "壞" 的定義是什么。

如何將模型整合到應(yīng)用中。您可以在線應(yīng)用模型，也可以離線使用樣本對模型進(jìn)行預(yù)計(jì)算，并將結(jié)果存儲在表格中。例如，您可能需要對網(wǎng)頁進(jìn)行預(yù)分類并將結(jié)果存儲在表格中，但也可能需要在線對聊天消息進(jìn)行分類。

選擇簡單的特征可以更輕松地確保：

將這些特征正確應(yīng)用于您的學(xué)習(xí)算法。

模型學(xué)習(xí)出合理的權(quán)重。

將這些特征正確應(yīng)用于服務(wù)器端。

當(dāng)您有了能可靠做到上述三點(diǎn)的系統(tǒng)時，則表示您已完成大部分工作。簡單的模型可為您提供基準(zhǔn)指標(biāo)和基準(zhǔn)行為，您可以利用這些指標(biāo)和行為測試更復(fù)雜的模型。某些團(tuán)隊(duì)以 "中性" 作為首次發(fā)布的目標(biāo) - 在首次發(fā)布時明確淡化機(jī)器學(xué)習(xí)成果，以避免分心。

第 5 條規(guī)則：撇開機(jī)器學(xué)習(xí)，單獨(dú)測試基礎(chǔ)架構(gòu)。

確?；A(chǔ)架構(gòu)可測試，且對系統(tǒng)的學(xué)習(xí)部分進(jìn)行封裝，以便測試這些部分之外的方方面面。具體而言：

測試數(shù)據(jù)導(dǎo)入算法的效果。檢查應(yīng)填充的特征列是否已填充。在隱私權(quán)許可的情況下，手動檢查輸入到訓(xùn)練算法的數(shù)據(jù)。如果可能的話，查看管道中的統(tǒng)計(jì)信息，并與在其他地方處理的相同數(shù)據(jù)的統(tǒng)計(jì)信息進(jìn)行比較。

測試從訓(xùn)練算法得出模型的效果。確保訓(xùn)練環(huán)境中的模型與應(yīng)用環(huán)境中的模型給出的分?jǐn)?shù)相同（請參閱第 37 條規(guī)則）。

ML具有不可預(yù)測性，因此要有用于訓(xùn)練環(huán)境和應(yīng)用環(huán)境中創(chuàng)建樣本的代碼的測試；并確保您可以在應(yīng)用期間加載和使用固定模型。此外，了解您的數(shù)據(jù)至關(guān)重要：請參閱分析大型復(fù)雜數(shù)據(jù)集的實(shí)用建議。

第 6 條規(guī)則：復(fù)制管道時注意丟棄的數(shù)據(jù)。

通常，我們通過復(fù)制現(xiàn)有管道來創(chuàng)建新管道（即貨物崇拜編程），且舊管道會丟棄一些新管道需要的數(shù)據(jù)。例如，Google+ 熱門信息的管道會丟棄時間較早的帖子（因?yàn)樗鼤粩鄧L試對最新的帖子進(jìn)行排名）。此管道被復(fù)制用于 Google+ 信息流，在信息流中，時間較早的帖子仍然有意義，但舊管道仍會丟棄它們。另一種常見模式是僅記錄用戶看到的數(shù)據(jù)。因此，如果我們想要對用戶看不到特定帖子的原因進(jìn)行建模，此類數(shù)據(jù)就毫無用處，因?yàn)楣艿酪褋G棄所有負(fù)分類樣本。Play 中也曾出現(xiàn)過類似的問題。在處理 Play 應(yīng)用首頁時，創(chuàng)建了一個新管道，其中還包含來自 Play 游戲著陸頁的樣本，但無任何特征可區(qū)分各個樣本的來源。

第 7 條規(guī)則：將啟發(fā)式算法轉(zhuǎn)變?yōu)樘卣骰蛟谕獠刻幚硭鼈儭?/p>

通常，ML嘗試解決的問題并不是全新的問題。有一個現(xiàn)有的系統(tǒng)，它可用于排名、分類，或解決您正嘗試解決的任何問題。這意味著有多種規(guī)則和啟發(fā)式算法。使用ML進(jìn)行調(diào)整后，此類啟發(fā)式算法可為您提供便利。您應(yīng)該挖掘自己的啟發(fā)式算法，了解它們所包含的任何信息，原因有以下兩點(diǎn)。首先，向ML系統(tǒng)的過渡會更平穩(wěn)。其次，這些規(guī)則通常包含大量您不愿意丟棄的關(guān)于系統(tǒng)的直覺信息。

您可以通過以下四種方法使用現(xiàn)有啟發(fā)式算法：

使用啟發(fā)式算法進(jìn)行預(yù)處理。如果特征非常好，則可以選擇執(zhí)行此操作。例如，在垃圾郵件過濾器中，如果發(fā)件人已被列入黑名單，則不要試圖重新學(xué)習(xí) "已列入黑名單" 的含義。屏蔽該郵件即可。這種方法最適合在二元分類任務(wù)中使用。

創(chuàng)建特征。直接通過啟發(fā)式算法創(chuàng)建特征是一種很好的做法。例如，如果您使用啟發(fā)式算法來計(jì)算查詢結(jié)果的相關(guān)性分?jǐn)?shù)，則可以將此分?jǐn)?shù)納為一個特征的值。您日后可能想要使用ML技術(shù)調(diào)整該值（例如，將該值轉(zhuǎn)換為一個有限離散值組中的一個，或與其他特征相組合），但是首先請使用啟發(fā)式算法生成的原始值。

挖掘啟發(fā)式算法的原始輸入。如果某個應(yīng)用啟發(fā)式算法結(jié)合了安裝次數(shù)、文本中的字符數(shù)以及星期值，考慮將這些內(nèi)容拆分開來，并作為輸入單獨(dú)提供給學(xué)習(xí)算法。部分適用于集成學(xué)習(xí)的技巧也適用于此（請參閱第 40 條規(guī)則）。

修改標(biāo)簽。當(dāng)您感覺啟發(fā)式算法會獲取當(dāng)前標(biāo)簽中未包含的信息時，可以選擇進(jìn)行此操作。例如，如果您正在嘗試最大程度地增加下載次數(shù)，但同時也想要優(yōu)質(zhì)的內(nèi)容，則可能的解決方案是用標(biāo)簽乘以應(yīng)用獲得的平均星數(shù)。您可以非常靈活地修改標(biāo)簽。請參閱 "您的第一個目標(biāo)"。

在ML系統(tǒng)中使用啟發(fā)式算法時，請務(wù)必留意是否會帶來額外的復(fù)雜性。在新的ML算法中使用舊啟發(fā)式算法有助于實(shí)現(xiàn)平穩(wěn)過渡，但思考下是否有可以達(dá)到相同效果的更簡單的方法。

監(jiān)控

在一般情況下，請實(shí)行良好的警報(bào)安全機(jī)制，例如設(shè)計(jì)解決警報(bào)的步驟以及提供 "信息中心" 頁面。

第 8 條規(guī)則：了解您的系統(tǒng)對新鮮程度的要求。

如果您使用一天前的模型，效果會降低多少？一周前的模型呢？一個季度前的模型呢？此類消息有助于您了解需要優(yōu)先監(jiān)控哪些方面。如果一天不更新模型會對您的產(chǎn)品質(zhì)量產(chǎn)生嚴(yán)重影響，則最好讓工程師持續(xù)觀察相關(guān)情況。大多數(shù)廣告投放系統(tǒng)每天都有新廣告要處理，并且必須每天更新。例如，如果不更新 Google Play 搜索的ML模型，則不到一個月便會產(chǎn)生負(fù)面影響。Google+ 熱門信息的某些模型中沒有帖子標(biāo)識符，因此無需經(jīng)常導(dǎo)出這些模型。其他具有帖子標(biāo)識符的模型的更新頻率要高得多。另請注意，新鮮程度會隨著時間而改變，尤其是在向模型中添加特征列或從中移除特征列時。

第 9 條規(guī)則：先檢測問題，然后再導(dǎo)出模型。

很多ML系統(tǒng)都會經(jīng)歷導(dǎo)出模型以應(yīng)用模型的階段。如果導(dǎo)出的模型存在問題，則是面向用戶的問題。

在導(dǎo)出模型之前，請進(jìn)行健全性檢查。具體而言，確保模型在處理預(yù)留數(shù)據(jù)方面表現(xiàn)合理?；蛘哒f，如果您一直認(rèn)為數(shù)據(jù)存在問題，請不要導(dǎo)出模型。很多經(jīng)常部署模型的團(tuán)隊(duì)在導(dǎo)出模型之前，會先檢查 ROC 曲線下面積（簡稱 AUC）。尚未導(dǎo)出的模型存在問題時，需要發(fā)送電子郵件提醒；但面向用戶的模型出現(xiàn)問題時，可能需要通過一個頁面進(jìn)行宣布。因此，最好先等待檢查完畢并確保萬無一失后再導(dǎo)出模型，以免對用戶造成影響。

第 10 條規(guī)則：注意隱藏的問題。

相比其他類型的系統(tǒng)，這種問題更常見于ML系統(tǒng)。假設(shè)關(guān)聯(lián)的特定表格不再更新，那么，ML系統(tǒng)會進(jìn)行相應(yīng)調(diào)整，其行為仍然會相當(dāng)好，但會逐漸變糟。有時，您會發(fā)現(xiàn)有些表格已有幾個月未更新，只需刷新一下，就可以獲得比相應(yīng)季度做出的所有其他改進(jìn)都更有效的效果提升！特征的覆蓋率可能會因?qū)崿F(xiàn)變化而發(fā)生改變：例如，某個特征列可能在 90% 的樣本中得到填充，但該比率突然下降到 60%。Google Play 曾有一個過時 6 個月的表格，但僅刷新了一下該表格，安裝率就提升了 2%。如果您對數(shù)據(jù)的統(tǒng)計(jì)信息進(jìn)行跟蹤，并不時地手動檢查數(shù)據(jù)，就可以減少此類失敗。

第 11 條規(guī)則：提供特征列的所有者及相關(guān)文檔。

如果系統(tǒng)很大，且有很多特征列，則需要知道每個特征列的創(chuàng)建者或維護(hù)者。如果您發(fā)現(xiàn)了解某個特征列的人要離職，請確保有人知道相關(guān)信息。盡管很多特征列都有說明性名稱，但針對特征的含義、來源以及預(yù)計(jì)提供幫助的方式提供更詳細(xì)的說明，是一種不錯的做法。

您的第一個目標(biāo)

您會關(guān)注很多有關(guān)系統(tǒng)的指標(biāo)或測量結(jié)果，但通常只能為您的ML算法指定一個目標(biāo)，即您的算法 "嘗試" 優(yōu)化的數(shù)值。 在這里，我介紹一下目標(biāo)和指標(biāo)有何區(qū)別：指標(biāo)是指您的系統(tǒng)報(bào)告的任意數(shù)字，可能重要，也可能不重要。另請參閱第 2 條規(guī)則。

第 12 條規(guī)則：選擇直接優(yōu)化哪個目標(biāo)時，不要想太多。

您想賺錢，想讓用戶滿意，想讓世界變得更美好。您關(guān)注的指標(biāo)有很多，而且您應(yīng)該對所有這些指標(biāo)進(jìn)行測量（請參閱第 2 條規(guī)則）。不過，在早期的ML過程中，您會發(fā)現(xiàn)這些指標(biāo)都呈上升趨勢，甚至那些您沒有選擇直接優(yōu)化的指標(biāo)也是如此。例如，假設(shè)您關(guān)注點(diǎn)擊次數(shù)和用戶在網(wǎng)站上停留的時間。如果您優(yōu)化點(diǎn)擊次數(shù)，則用戶在網(wǎng)站上停留的時間很可能也會增加。

所以，當(dāng)您仍然可以輕松增加所有指標(biāo)時，保持簡單，不要過多考慮如何在不同的指標(biāo)間實(shí)現(xiàn)平衡。但不要過度使用此規(guī)則：不要將您的目標(biāo)與系統(tǒng)最終的運(yùn)行狀況相混淆（請參閱第 39 條規(guī)則）。此外，如果您發(fā)現(xiàn)自己增大了直接優(yōu)化的指標(biāo)，但決定不發(fā)布系統(tǒng)，則可能需要修改某些目標(biāo)。

第 13 條規(guī)則：為您的第一個目標(biāo)選擇一個可觀察且可歸因的簡單指標(biāo)。

您往往并不知道真正的目標(biāo)是什么。您以為自己知道，但當(dāng)您盯著數(shù)據(jù)，對舊系統(tǒng)和新的ML系統(tǒng)進(jìn)行對比分析時，您發(fā)現(xiàn)自己想調(diào)整目標(biāo)。此外，團(tuán)隊(duì)的不同成員通常無法就什么是真正的目標(biāo)達(dá)成一致意見。ML目標(biāo)應(yīng)是滿足以下條件的某種目標(biāo)：易于測量且是 "真正的" 目標(biāo)的代理。實(shí)際上，通常沒有 "真正的" 目標(biāo)（請參閱第 39 條規(guī)則）。因此，請對簡單的ML目標(biāo)進(jìn)行訓(xùn)練，并考慮在頂部添加一個 "策略層"，以便您能夠添加其他邏輯（最好是非常簡單的邏輯）來進(jìn)行最終排名。

要進(jìn)行建模，最簡單的指標(biāo)是可直接觀察到且可歸因到系統(tǒng)操作的用戶行為：

用戶是否點(diǎn)擊了此已排名鏈接？

用戶是否下載了此已排名對象？

用戶是否轉(zhuǎn)發(fā)/回復(fù)/使用電子郵件發(fā)送了此已排名對象？

用戶是否評價了此已排名對象？

用戶是否將此顯示的對象標(biāo)記為了垃圾郵件/色情內(nèi)容/攻擊性內(nèi)容？

避免一開始對間接影響進(jìn)行建模：

用戶第二天訪問網(wǎng)站了嗎？

用戶在網(wǎng)站上停留了多長時間？

每日活躍用戶數(shù)有多少？

其實(shí)，間接影響可成為出色的指標(biāo)，可以在 A/B 測試和發(fā)布決策期間使用。

最后，不要試圖讓ML系統(tǒng)弄清楚以下問題：

用戶在使用產(chǎn)品時是否感到滿意？

用戶是否對使用體驗(yàn)感到滿意？

產(chǎn)品是否提升了用戶的整體滿意度？

這會對公司的整體運(yùn)行狀況產(chǎn)生什么樣的影響？

所有這些都很重要，但也極難衡量。請改為使用代理指標(biāo)：如果用戶感到滿意，他們會在網(wǎng)站上停留更長時間。如果用戶感到滿意，他們明天會再次訪問網(wǎng)站。就滿意度和公司運(yùn)行狀況而言，需要進(jìn)行人為判斷，以便將任意ML目標(biāo)與您銷售的產(chǎn)品的性質(zhì)和業(yè)務(wù)計(jì)劃關(guān)聯(lián)起來。

第 14 條規(guī)則：從可解釋的模型著手可更輕松地進(jìn)行調(diào)試。

線性回歸、邏輯回歸和泊松回歸均由概率模型直接推動。每個預(yù)測都可看作是一個概率或預(yù)期值。這樣一來，相較于使用目標(biāo)（0-1 損失、各種合頁損失函數(shù)等）以嘗試直接優(yōu)化分類準(zhǔn)確度或?qū)πЧM(jìn)行排名的模型，這種模型更易于進(jìn)行調(diào)試。例如，如果在訓(xùn)練中得出的概率與采用并排分析方式或通過檢查生產(chǎn)系統(tǒng)的方式預(yù)測的概率之間存在偏差，則表明存在問題。

例如，在線性回歸、邏輯回歸或泊松回歸中，有一部分平均預(yù)測期望值等于平均標(biāo)簽值（一階矩校準(zhǔn)，或只是校準(zhǔn)）的數(shù)據(jù)。假設(shè)您沒有正則化且算法已收斂，那么理論上即是如此，實(shí)際上也是差不多這種情形。如果您有一個特征，對于每個樣本來說，其值要么是0，要么是1，則會校準(zhǔn)3個特征值為 1 的樣本集。此外，如果您有一個特征，對于每個樣本來說，其值均為 1，則會校準(zhǔn)所有樣本集。

借助簡單的模型，您可以更輕松地處理反饋環(huán)（請參閱第 36 條規(guī)則）。通常情況下，我們會根據(jù)這些概率預(yù)測來做出決策；例如，以期望值（點(diǎn)擊概率/下載概率等）為標(biāo)準(zhǔn)，按降序?qū)μ舆M(jìn)行排名。但是，請注意，當(dāng)選擇要使用的模型時，您的決定比模型給出的數(shù)據(jù)概率更為重要（請參閱第 27 條規(guī)則）。

第 15 條規(guī)則：在策略層中區(qū)分垃圾內(nèi)容過濾和質(zhì)量排名。

質(zhì)量排名是一門藝術(shù)，但垃圾內(nèi)容過濾就像一場戰(zhàn)爭。對于使用您系統(tǒng)的用戶來說，您使用哪些信號來確定高質(zhì)量帖子將變得顯而易見，而且這些用戶會調(diào)整自己的帖子，使其具有高質(zhì)量帖子的屬性。因此，您的質(zhì)量排名應(yīng)側(cè)重于對誠實(shí)發(fā)布的內(nèi)容進(jìn)行排名。您不應(yīng)該因?yàn)橘|(zhì)量排名學(xué)習(xí)器將垃圾內(nèi)容排在前列而對其應(yīng)用折扣。同樣，"少兒不宜" 的內(nèi)容也不應(yīng)該在質(zhì)量排名中進(jìn)行處理。垃圾內(nèi)容過濾則另當(dāng)別論。您必須明白，需要生成的特征會不斷變化。通常情況下，您會在系統(tǒng)中設(shè)置一些明顯的規(guī)則（如果一個帖子收到三次以上的垃圾內(nèi)容舉報(bào)，請勿檢索該帖子等等）。所有學(xué)習(xí)模型都必須至少每天更新。內(nèi)容創(chuàng)作者的聲譽(yù)會發(fā)揮很大作用。

在某個層級，必須將這兩個系統(tǒng)的輸出整合在一起。請注意，與過濾電子郵件中的垃圾郵件相比，在過濾搜索結(jié)果中的垃圾內(nèi)容時，可能應(yīng)該更加主動。這種說法的前提是您沒有正則化且算法已收斂。一般來說大致是這樣。此外，從質(zhì)量分類器的訓(xùn)練數(shù)據(jù)中移除垃圾內(nèi)容是一種標(biāo)準(zhǔn)做法。

ML第二階段：特征工程

在ML系統(tǒng)生命周期的第一階段，重要的問題涉及以下三個方面：將訓(xùn)練數(shù)據(jù)導(dǎo)入學(xué)習(xí)系統(tǒng)、對任何感興趣的指標(biāo)進(jìn)行測量，以及構(gòu)建應(yīng)用基礎(chǔ)架構(gòu)。當(dāng)您構(gòu)建了一個端到端的可穩(wěn)定運(yùn)行的系統(tǒng)，并且制定了系統(tǒng)測試和單元測試后，就可以進(jìn)入第二階段了。

第二階段的很多目標(biāo)很容易實(shí)現(xiàn)，且有很多明顯的特征可導(dǎo)入系統(tǒng)。因此，ML的第二階段涉及導(dǎo)入盡可能多的特征，并以直觀的方式將它們組合起來。在這一階段，所有的指標(biāo)應(yīng)該仍然呈上升趨勢，您將會多次發(fā)布系統(tǒng)，并且非常適合安排多名工程師，以便整合創(chuàng)建真正出色的學(xué)習(xí)系統(tǒng)所需的所有數(shù)據(jù)。

第 16 條規(guī)則：制定發(fā)布和迭代模型計(jì)劃。

不要指望您現(xiàn)在正在構(gòu)建的模型會是您將要發(fā)布的最后一個模型，也不要指望您會停止發(fā)布模型。因此，請考慮此次發(fā)布中增加的復(fù)雜性是否會減緩未來版本的發(fā)布。很多團(tuán)隊(duì)多年來每季度都會發(fā)布一個或多個模型。發(fā)布新模型的三個基本原因如下所示：

您將要添加新特征。

您將要調(diào)整正則化并以新方式組合舊特征。

您將要調(diào)整目標(biāo)。

無論如何，構(gòu)建模型時多考慮考慮并沒有什么壞處：查看提供到樣本中的數(shù)據(jù)有助于發(fā)現(xiàn)新信號、舊信號以及損壞的信號。因此，在構(gòu)建模型時，請考慮添加、移除或重新組合特征的難易程度?？紤]創(chuàng)建管道的全新副本以及驗(yàn)證其正確性的難易程度?？紤]是否可以同時運(yùn)行兩個或三個副本。最后，不必?fù)?dān)心此版本的管道有沒有納入第 16 個特征（共 35 個），下個季度會將其納入。

第 17 條規(guī)則：從可直接觀察和報(bào)告的特征（而不是經(jīng)過學(xué)習(xí)的特征）著手。

這一點(diǎn)可能存在爭議，但可以避免許多問題。首先，我們來介紹一下什么是學(xué)習(xí)的特征。學(xué)習(xí)的特征是由外部系統(tǒng)（例如非監(jiān)督式集群系統(tǒng)）或?qū)W習(xí)器本身（例如通過因子模型或深度學(xué)習(xí)）生成的特征。這兩種方式生成的特征都非常有用，但會導(dǎo)致很多問題，因此不應(yīng)在第一個模型中使用。

如果您使用外部系統(tǒng)創(chuàng)建特征，請注意，外部系統(tǒng)有其自己的目標(biāo)。外部系統(tǒng)的目標(biāo)與您當(dāng)前的目標(biāo)之間可能僅存在一點(diǎn)點(diǎn)關(guān)聯(lián)。如果您獲取外部系統(tǒng)的某個瞬間狀態(tài)，它可能就會過期。如果您從外部系統(tǒng)更新特征，則特征的含義可能會發(fā)生變化。如果您使用外部系統(tǒng)提供特征，請注意，采用這種方法需要非常小心。

因子模型和深度模型的主要問題是，它們是非凸模型。因此，無法保證能夠模擬或找到最優(yōu)解決方案，且每次迭代時找到的局部最小值可能不同。這種變化導(dǎo)致難以判斷系統(tǒng)發(fā)生的某次變化的影響是有意義的還是隨機(jī)的。通過創(chuàng)建沒有深度特征的模型，您可以獲得出色的基準(zhǔn)效果。達(dá)到此基準(zhǔn)后，您可以嘗試更深奧的方法。

第 18 條規(guī)則：探索可跨情境泛化的內(nèi)容的特征。

ML系統(tǒng)通常只是更大系統(tǒng)中的一小部分。例如，想象熱門信息中可能會使用的帖子，在其顯示到熱門信息之前，很多用戶已經(jīng)對其進(jìn)行 +1、轉(zhuǎn)發(fā)或評論了。如果您將這些統(tǒng)計(jì)信息提供給學(xué)習(xí)器，它就會對在正在優(yōu)化的情景中沒有數(shù)據(jù)的新帖子進(jìn)行推廣。 YouTube 的 "接下來觀看" 可以使用來自 YouTube 搜索的觀看次數(shù)或連看次數(shù)（觀看完一個視頻后觀看另一個視頻的次數(shù)）或明確的用戶評分來推薦內(nèi)容。最后，如果您將一個用戶操作用作標(biāo)簽，在其他情境中看到用戶對文檔執(zhí)行該操作可以是很好的特征。借助所有這些特征，您可以向該情境中引入新內(nèi)容。請注意，這與個性化無關(guān)：先弄清楚是否有人喜歡此情境中的內(nèi)容，然后再弄清楚喜歡程度。

第 19 條規(guī)則：盡可能使用非常具體的特征。

對于海量數(shù)據(jù)，學(xué)習(xí)數(shù)百萬個簡單的特征比學(xué)習(xí)幾個復(fù)雜的特征更簡單。正在被檢索的文檔的標(biāo)識符以及規(guī)范化的查詢不會提供很多泛化作用，但可以讓您的排名與頻率靠前的查詢的標(biāo)簽保持一致。因此，請不要害怕具有以下特點(diǎn)的特征組：每個特征適用于您的一小部分?jǐn)?shù)據(jù)但總體覆蓋率在 90％ 以上。您可以使用正則化來消除適用樣本過少的特征。

第 20 條規(guī)則：組合和修改現(xiàn)有特征，以便以簡單易懂的方式創(chuàng)建新特征。

有多種方式可以組合和修改特征。借助 TensorFlow 等ML系統(tǒng)，您可以通過轉(zhuǎn)換對數(shù)據(jù)進(jìn)行預(yù)處理。最標(biāo)準(zhǔn)的兩種方法是 "離散化" 和 "組合"。

"離散化" 是指提取一個連續(xù)特征，并從中創(chuàng)建許多離散特征。以年齡這一連續(xù)特征為例。您可以創(chuàng)建一個年齡不滿 18 周歲時其值為 1 的特征，并創(chuàng)建年齡在 18-35 周歲之間時其值為 1 的另一個特征，等等。不要過多考慮這些直方圖的邊界：基本分位數(shù)給您帶來的影響最大。

"組合" 方法是指組合兩個或更多特征列。在 TensorFlow 中，特征列指的是同類特征集（例如，{男性, 女性}、{美國, 加拿大, 墨西哥} 等等）。組合指的是其中包含特征的新特征列，例如，{男性, 女性} × {美國, 加拿大, 墨西哥}。此新特征列將包含特征（男性, 加拿大）。如果您使用的是 TensorFlow，并讓 TensorFlow 為您創(chuàng)建此組合，則此（男性, 加拿大）特征將存在于表示加拿大男性的樣本中。請注意，您需要擁有大量數(shù)據(jù)，才能使用具有三個、四個或更多基準(zhǔn)特征列的組合學(xué)習(xí)模型。

生成非常大的特征列的組合可能會過擬合。例如，假設(shè)您正在執(zhí)行某種搜索，您的某個特征列包含查詢中的字詞，另一個特征列包含文檔中的字詞。這時，您可以使用 "組合" 方法將這些特征列組合起來，但最終會得到很多特征（請參閱第二十一條規(guī)則）。

處理文本時，有兩種備用方法。最嚴(yán)苛的方法是點(diǎn)積。點(diǎn)積方法采用最簡單的形式時，僅會計(jì)算查詢和文檔間共有字詞的數(shù)量。然后將此特征離散化。另一種方法是交集：如果使用交集方法，當(dāng)且僅當(dāng)文檔和查詢中都包含 "pony" 一詞時，才會出現(xiàn)一個特征；當(dāng)且僅當(dāng)文檔和查詢中都包含 "the" 一詞時，才會出現(xiàn)另一個特征。

第二十一條規(guī)則：您可以在線性模型中學(xué)習(xí)的特征權(quán)重?cái)?shù)目與您擁有的數(shù)據(jù)量大致成正比。

關(guān)于模型的合適復(fù)雜度方面，有各種出色的統(tǒng)計(jì)學(xué)習(xí)理論成果，但您基本上只需要了解這條規(guī)則。在某次談話中，曾有人表達(dá)過這樣的疑慮：從一千個樣本中是否能夠?qū)W到任何東西，或者是否需要超過一百萬個樣本，他們之所以有這樣的疑慮，是因?yàn)榫窒拊诹艘环N特定學(xué)習(xí)方式中。關(guān)鍵在于根據(jù)數(shù)據(jù)規(guī)模調(diào)整您的學(xué)習(xí)模型：

如果您正在構(gòu)建搜索排名系統(tǒng)，文檔和查詢中有數(shù)百萬個不同的字詞，且您有 1000 個有標(biāo)簽樣本，那么您應(yīng)該在文檔和查詢特征、TF-IDF 和多個其他高度手動工程化的特征之間得出點(diǎn)積。您會有 1000 個樣本，十多個特征。

如果您有一百萬個樣本，則使用正則化和特征選擇（可能）使文檔特征列和查詢特征列相交。這樣一來，您將獲得數(shù)百萬個特征；但如果使用正則化，則您獲得的特征會有所減少。您會有千萬個樣本，可能會產(chǎn)生十萬個特征。

如果您有數(shù)十億或數(shù)千億個樣本，您可以使用特征選擇和正則化，通過文檔和查詢標(biāo)記組合特征列。您會有十億個樣本，一千萬個特征。統(tǒng)計(jì)學(xué)習(xí)理論很少設(shè)定嚴(yán)格的限制，但能夠提供很好的起點(diǎn)引導(dǎo)。

最后，請根據(jù)第 28 條規(guī)則決定要使用哪些特征。

第 22 條規(guī)則：清理不再使用的特征。

未使用的特征會產(chǎn)生技術(shù)負(fù)債。如果您發(fā)現(xiàn)自己沒有使用某個特征，而且將其與其他特征組合在一起不起作用，則將其從您的基礎(chǔ)架構(gòu)中刪除。您需要讓自己的基礎(chǔ)架構(gòu)保持簡潔，以便盡可能快地嘗試最有可能帶來良好效果的特征。如有必要，他人可以隨時將您的特征添加回來。

在決定要添加或保留哪些特征時，要考慮到覆蓋率。即相應(yīng)特征覆蓋了多少個樣本？例如，如果您有一些個性化特征，但只有 8% 的用戶有個性化特征，那效果就不會很好。

同時，有些特征可能會超出其權(quán)重。例如，如果您的某個特征只覆蓋 1% 的數(shù)據(jù)，但 90% 具有該特征的樣本都是正分類樣本，那么這是一個可以添加的好特征。

對系統(tǒng)的人工分析

在繼續(xù)探討ML的第三階段之前，請務(wù)必重點(diǎn)了解一下在任何ML課程中都無法學(xué)到的內(nèi)容：如何檢查現(xiàn)有模型并加以改善。這更像是一門藝術(shù)而非科學(xué)，但是有幾個有必要避免的反模式。

第 23 條規(guī)則：您不是典型的最終用戶。

這也許是讓團(tuán)隊(duì)陷入困境的最簡單的方法。雖然 fishfood（在團(tuán)隊(duì)內(nèi)部使用原型）和 dogfood（在公司內(nèi)部使用原型）有許多優(yōu)點(diǎn)，但員工應(yīng)該看看是否符合性能要求。雖然應(yīng)避免應(yīng)用明顯比較糟糕的更改，但在臨近生產(chǎn)時，應(yīng)對任何看起來比較合理的更改進(jìn)行進(jìn)一步測試，具體方法有兩種：請非專業(yè)人員在眾包平臺上回答有償問題，或?qū)φ鎸?shí)用戶進(jìn)行在線實(shí)驗(yàn)。

這樣做的原因有如下兩點(diǎn)。首先，您與代碼的關(guān)系太密切了。您關(guān)注的可能是帖子的某個特定方面，或者您只是投入了太多感情（例如確認(rèn)偏差）。其次，您的時間很寶貴?？紤]一下九名工程師開一個小時會議所花的費(fèi)用可以在眾包平臺上購買多少簽約的人工標(biāo)簽。

如果您確實(shí)想獲得用戶反饋，請使用用戶體驗(yàn)方法。在流程的早期階段創(chuàng)建用戶角色（請參閱比爾 - 布克斯頓的 Sketching User Experiences 一書中的描述），然后進(jìn)行可用性測試（請參閱史蒂夫 - 克魯格的 Don't Make Me Think 一書中的描述）。用戶角色是指創(chuàng)建假想用戶。例如，如果您的團(tuán)隊(duì)成員都是男性，則有必要設(shè)計(jì)一個 35 歲的女性用戶角色（使用用戶特征完成），并查看其生成的結(jié)果，而不是只查看 10 位 25-40 歲男性的結(jié)果。在可用性測試中請真實(shí)用戶體驗(yàn)?zāi)木W(wǎng)站（通過本地或遠(yuǎn)程方式）并觀察他們的反應(yīng)也可以讓您以全新的視角看待問題。

第 24 條規(guī)則：衡量模型間的差異。

在向任何用戶展示您的新模型之前，您可以進(jìn)行的最簡單（有時也是最有用）的一項(xiàng)衡量是，評估新模型的結(jié)果與生產(chǎn)有多大差別。例如，如果您有一項(xiàng)排名任務(wù)，則在整個系統(tǒng)中針對一批示例查詢運(yùn)行這兩個模型，并查看結(jié)果的對稱差分有多大（按排名位置加權(quán)）。如果差分非常小，那么您無需運(yùn)行實(shí)驗(yàn)，就可以判斷不會出現(xiàn)很大變化。如果差分很大，那么您需要確保這種更改可以帶來好的結(jié)果。查看對稱差分較大的查詢有助于您了解更改的性質(zhì)。不過，請確保您的系統(tǒng)是穩(wěn)定的。確保模型與自身之間的對稱差分較低（理想情況下為零）。

第 25 條規(guī)則：選擇模型時，實(shí)用效果比預(yù)測能力更重要。

您的模型可能會嘗試預(yù)測點(diǎn)擊率。但歸根到底，關(guān)鍵問題在于您用這種預(yù)測做什么。如果您使用該預(yù)測對文檔進(jìn)行排名，那么最終排名的質(zhì)量比預(yù)測本身更重要。如果您要預(yù)測一個文檔是垃圾內(nèi)容的概率，然后選擇一個取舍點(diǎn)來確定要阻斷的內(nèi)容，那么允許的內(nèi)容的精確率更為重要。大多數(shù)情況下，這兩項(xiàng)應(yīng)該是一致的：當(dāng)它們不一致時，帶來的優(yōu)勢可能會非常小。因此，如果某種更改可以改善對數(shù)損失，但會降低系統(tǒng)的性能，則查找其他特征。當(dāng)這種情況開始頻繁發(fā)生時，說明您該重新審視模型的目標(biāo)了。

第 26 條規(guī)則：在衡量的錯誤中尋找規(guī)律，并創(chuàng)建新特征。

假設(shè)您看到模型 "弄錯" 了一個訓(xùn)練樣本。在分類任務(wù)中，這種錯誤可能是假正例，也可能是假負(fù)例。在排名任務(wù)中，這種錯誤可能是假正例和假負(fù)例，其中正例的排名比負(fù)例的排名低。最重要的是，ML系統(tǒng)知道自己弄錯了該樣本，如果有機(jī)會，它會修復(fù)該錯誤。如果您向該模型提供一個允許其修正錯誤的特征，該模型會嘗試使用它。

另一方面，如果您嘗試根據(jù)系統(tǒng)不會視為錯誤的樣本創(chuàng)建一個特征，該特征將會被系統(tǒng)忽略。例如，假設(shè)用戶在 Play 應(yīng)用搜索中搜索 "免費(fèi)游戲"。假設(shè)排名靠前的搜索結(jié)果中有一個是相關(guān)性較低的搞笑應(yīng)用。因此，您為 "搞笑應(yīng)用" 創(chuàng)建了一個特征。但是，如果您要最大限度地增加安裝次數(shù)，并且用戶在搜索免費(fèi)游戲時安裝了搞笑應(yīng)用，那么 "搞笑應(yīng)用" 特征不會達(dá)到您想要的效果。

如果模型弄錯了您的某些樣本，請?jiān)诋?dāng)前特征集之外尋找規(guī)律。例如，如果系統(tǒng)似乎在降低內(nèi)容較長的帖子的排名，那么添加帖子長度。不要添加過于具體的特征。如果您要添加帖子長度，請不要試圖猜測長度的具體含義，只需添加十多個特征，然后讓模型自行處理（請參閱第二十一條規(guī)則）。這是實(shí)現(xiàn)目標(biāo)最簡單的方式。

第 27 條規(guī)則：嘗試量化觀察到的異常行為。

當(dāng)現(xiàn)有的損失函數(shù)沒有捕獲您團(tuán)隊(duì)中的部分成員不喜歡的某些系統(tǒng)屬性時，他們會開始有挫敗感。此時，他們應(yīng)該竭盡所能將抱怨轉(zhuǎn)換成具體的數(shù)字。例如，如果他們認(rèn)為 Play 搜索中顯示的 "搞笑應(yīng)用" 過多，則可以通過人工評分識別搞笑應(yīng)用。（在這種情況下，您可以使用人工標(biāo)記的數(shù)據(jù)，因?yàn)橄鄬^少的一部分查詢占了很大一部分流量。）如果您的問題是可衡量的，那么您可以開始將它們用作特征、目標(biāo)或指標(biāo)。一般規(guī)則是 "先量化，再優(yōu)化"。

第 28 條規(guī)則：請注意，短期行為相同并不意味著長期行為也相同。

假設(shè)您的新系統(tǒng)會查看每個 doc_id 和 exact_query，然后計(jì)算每個查詢的每個文檔的點(diǎn)擊概率。您發(fā)現(xiàn)在并排分析和 A/B 測試中，其行為與您當(dāng)前系統(tǒng)的行為幾乎完全相同，考慮到它的簡單性，您發(fā)布了它。不過，您發(fā)現(xiàn)它沒有顯示任何新應(yīng)用。為什么？那是因?yàn)槟南到y(tǒng)僅根據(jù)自己的查詢歷史記錄顯示文檔，所以不知道應(yīng)該顯示新文檔。

了解這種系統(tǒng)長期行為的唯一方法是，僅使用模型在線時獲得的數(shù)據(jù)對其進(jìn)行訓(xùn)練。這一點(diǎn)非常難。

訓(xùn)練 - 應(yīng)用偏差

訓(xùn)練 - 應(yīng)用偏差是指訓(xùn)練效果與應(yīng)用效果之間的差異。出現(xiàn)這種偏差的原因可能是：

訓(xùn)練管道和應(yīng)用管道中數(shù)據(jù)的處理方式有差異。

訓(xùn)練時和應(yīng)用時所用數(shù)據(jù)有變化。

模型和算法之間有反饋環(huán)。

我們注意到 Google 的生產(chǎn)ML系統(tǒng)也存在訓(xùn)練 - 應(yīng)用偏差，這種偏差對性能產(chǎn)生了負(fù)面影響。最好的解決方案是明確進(jìn)行監(jiān)控，以避免在系統(tǒng)和數(shù)據(jù)改變時引入容易被忽視的偏差。

第 29 條規(guī)則：確保訓(xùn)練效果和應(yīng)用效果一樣的最佳方法是，保存在應(yīng)用時使用的特征集，然后將這些特征通過管道傳輸?shù)饺罩荆员阍谟?xùn)練時使用。

即使您不能對每個樣本都這樣做，也對一小部分樣本這樣做，以便驗(yàn)證應(yīng)用和訓(xùn)練之間的一致性（請參閱第 37 條規(guī)則）。采取了這項(xiàng)措施的 Google 團(tuán)隊(duì)有時會對結(jié)果感到驚訝。 YouTube 首頁改用這種在應(yīng)用時記錄特征的做法后，不僅大大提高了質(zhì)量，而且減少了代碼復(fù)雜度。目前有許多團(tuán)隊(duì)都已經(jīng)在其基礎(chǔ)設(shè)施上采用了這種方法。

第 30 條規(guī)則：按重要性對采樣數(shù)據(jù)加權(quán)，不要隨意丟棄它們！

數(shù)據(jù)過多時，總會忍不住采用前面的文件而忽略后面的文件。這是錯誤的做法。盡管可以丟棄從未向用戶展示過的數(shù)據(jù)，但對于其他數(shù)據(jù)來說，按重要性加權(quán)是最佳選擇。按重要性加權(quán)意味著，如果您決定以 30% 的概率對樣本 X 進(jìn)行抽樣，那么向其賦予 10/3 的權(quán)重。按重要性加權(quán)時，您仍然可以使用第 14 條規(guī)則中討論的所有校準(zhǔn)屬性。

第 31 條規(guī)則：如果您在訓(xùn)練和應(yīng)用期間關(guān)聯(lián)表格中的數(shù)據(jù)，請注意，表格中的數(shù)據(jù)可能會變化。

假設(shè)您將文檔 ID 與包含這些文檔的特征（例如評論次數(shù)或點(diǎn)擊次數(shù)）的表格相關(guān)聯(lián)。表格中的特征在訓(xùn)練時和應(yīng)用時可能有所不同。那么，您的模型在訓(xùn)練時和應(yīng)用時對同一文檔的預(yù)測就可能會不同。要避免這類問題，最簡單的方法是在應(yīng)用時記錄特征（請參閱第 32 條規(guī)則）。如果表格只是緩慢發(fā)生變化，那么您還可以每小時或每天創(chuàng)建表格快照，以獲得非常接近的數(shù)據(jù)。請注意，這仍不能完全解決問題。

第 32 條規(guī)則：盡可能在訓(xùn)練管道和應(yīng)用管道間重復(fù)使用代碼。

批處理不同于在線處理。進(jìn)行在線處理時，您必須在每個請求到達(dá)時對其進(jìn)行處理（例如，您必須為每個查詢單獨(dú)進(jìn)行查找），而進(jìn)行批處理時，您可以組合任務(wù)（例如進(jìn)行關(guān)聯(lián)）。應(yīng)用時，您進(jìn)行的是在線處理，而訓(xùn)練時，您進(jìn)行的是批處理。不過，您可以通過一些方法來重復(fù)使用代碼。例如，您可以專門為自己的系統(tǒng)創(chuàng)建一個對象，其中所有查詢結(jié)果和關(guān)聯(lián)都能以非常易于人類讀取的方式進(jìn)行存儲，且錯誤也可以輕松進(jìn)行測試。然后，收集了所有信息后，您可以在應(yīng)用和訓(xùn)練期間使用一種共同的方法，在人類可讀對象（特定于您的系統(tǒng)）和ML需要的任何格式之間架起一座橋梁。這樣可以消除訓(xùn)練 - 應(yīng)用偏差的一個根源。由此推知，在訓(xùn)練和應(yīng)用時，盡量不要使用兩種不同的編程語言。如果這樣做，就幾乎不可能共享代碼了。

第 33 條規(guī)則：如果您根據(jù) 1 月 5 日之前的數(shù)據(jù)生成模型，則根據(jù) 1 月 6 日及之后的數(shù)據(jù)測試模型。

一般來說，要衡量模型的效果，應(yīng)使用在訓(xùn)練模型所有數(shù)據(jù)對應(yīng)的日期之后的日期收集的數(shù)據(jù)，因?yàn)檫@樣能更好地反映系統(tǒng)應(yīng)用到生產(chǎn)時的行為。如果您根據(jù) 1 月 5 日之前的數(shù)據(jù)生成模型，則根據(jù) 1 月 6 日及之后的數(shù)據(jù)測試模型。您一般會發(fā)現(xiàn)，使用新數(shù)據(jù)時模型的效果不如原來好，但應(yīng)該不會太糟。由于可能存在的一些日常影響，您可能沒有預(yù)測到平均點(diǎn)擊率或轉(zhuǎn)化率，但曲線下面積（表示正分類樣本的分?jǐn)?shù)高于負(fù)分類樣本的概率）應(yīng)該非常接近。

第 34 條規(guī)則：在有關(guān)過濾的二元分類（例如，垃圾郵件檢測或確定有趣的電子郵件）中，在短期內(nèi)小小犧牲一下效果，以獲得非常純凈的數(shù)據(jù)。

在過濾任務(wù)中，標(biāo)記為負(fù)分類的樣本不會向用戶顯示。假設(shè)您的過濾器在應(yīng)用時可屏蔽 75% 的負(fù)分類樣本。您可能會希望從向用戶顯示的實(shí)例中提取額外的訓(xùn)練數(shù)據(jù)。例如，如果用戶將您的過濾器未屏蔽的電子郵件標(biāo)記為垃圾郵件，那么您可能想要從中學(xué)習(xí)規(guī)律。

但這種方法會引入采樣偏差。如果您改為在應(yīng)用期間將所有流量的 1% 標(biāo)記為 "預(yù)留"，并向用戶發(fā)送所有預(yù)留樣本，則您可以收集更純凈的數(shù)據(jù)?，F(xiàn)在，過濾器屏蔽了至少 74% 的負(fù)分類樣本。這些預(yù)留樣本可以成為訓(xùn)練數(shù)據(jù)。

請注意，如果過濾器屏蔽了 95% 或以上的負(fù)分類樣本，則此方法的可行性會降低。即便如此，如果您希望衡量應(yīng)用效果，可以進(jìn)行更低比例的采樣（比如 0.1% 或 0.001%）。一萬個樣本足以非常準(zhǔn)確地評估效果。

第 35 條規(guī)則：注意排名問題中存在的固有偏差。

當(dāng)您徹底改變排名算法，導(dǎo)致出現(xiàn)不同的排名結(jié)果時，實(shí)際上改變了您的算法以后會處理的數(shù)據(jù)。這時，就會出現(xiàn)固有偏差，您應(yīng)該圍繞這種偏差來設(shè)計(jì)模型。具體方法有多種。以下是讓您的模型青睞已見過的數(shù)據(jù)的方法。

對覆蓋更多查詢的特征（而不是僅覆蓋一個查詢的特征）進(jìn)行更高的正則化。通過這種方式，模型將青睞專門針對一個或幾個查詢的特征，而不是泛化到所有查詢的特征。這種方法有助于防止十分熱門的查詢結(jié)果顯示到不相關(guān)的查詢中。請注意，這與以下更為傳統(tǒng)的建議相左：對具有更多唯一值的特征列進(jìn)行更高的正則化。

僅允許特征具有正權(quán)重。這樣一來，就可確保任何好特征都比 "未知" 特征合適。

不選擇只處理文檔數(shù)據(jù)的特征。這是第一條規(guī)則的極端版本。例如，即使指定應(yīng)用是熱門下載應(yīng)用（無論查詢是什么），您也不想在所有地方都展示它。如果不選擇只處理文檔數(shù)據(jù)的特征，這一點(diǎn)很容易做到。您之所以不想在所有地方展示某個特定的熱門應(yīng)用，是因?yàn)樽層脩艨梢哉业剿兴钁?yīng)用至關(guān)重要。例如，如果一位用戶搜索 "賞鳥應(yīng)用"，他/她可能會下載 "憤怒的小鳥"，但那絕對不是他/她想要的應(yīng)用。展示此類應(yīng)用可能會提高下載率，但最終卻未能滿足用戶的需求。

第 36 條規(guī)則：通過位置特征避免出現(xiàn)反饋環(huán)。

內(nèi)容的位置會極大地影響用戶與其互動的可能性。如果您將應(yīng)用放在首位，則應(yīng)用獲得的點(diǎn)擊率更高，導(dǎo)致您認(rèn)為用戶更有可能點(diǎn)擊該應(yīng)用。處理此類問題的一種方法是添加位置特征，即關(guān)于內(nèi)容在網(wǎng)頁中的位置的特征。您可以使用位置特征訓(xùn)練模型，使模型學(xué)習(xí)（例如）對特征 "1st-position" 賦予較高的權(quán)重。因此，對于具有 "1st-position=true" 特征的樣本的其他因素，模型會賦予較低的權(quán)重。然后，在應(yīng)用時，您不向任何實(shí)例提供位置特征，或?yàn)樗袑?shí)例提供相同的默認(rèn)特征，因?yàn)樵跊Q定以怎樣的順序顯示候選實(shí)例之前，您就對其進(jìn)行了打分。

請注意，因?yàn)橛?xùn)練和測試之間的這種不對稱性，請務(wù)必在位置特征與模型的其余特征之間保持一定的分離性。讓模型成為位置特征函數(shù)和其余特征函數(shù)之和是理想的狀態(tài)。例如，不要將位置特征與任何文檔特征組合在一起。

第 37 條規(guī)則：測量訓(xùn)練 / 應(yīng)用偏差。

一般來說，很多情況都會引起偏差。此外，您可以將其分為以下幾個部分：

訓(xùn)練數(shù)據(jù)和預(yù)留數(shù)據(jù)的效果之間的差異。一般來說，這種情況始終存在，而且并非總是壞事。

預(yù)留數(shù)據(jù)和 "次日" 數(shù)據(jù)的效果之間的差異。同樣，這種情況始終存在。您應(yīng)該調(diào)整正則化，以最大程度地提升次日數(shù)據(jù)的效果。不過，如果與預(yù)留數(shù)據(jù)相比，次日數(shù)據(jù)效果下降明顯，則可能表明某些特征具有時效性，而且可能會降低模型的效果。

"次日" 數(shù)據(jù)和實(shí)時數(shù)據(jù)的效果之間的差異。如果您將模型應(yīng)用于訓(xùn)練數(shù)據(jù)中的某個樣本，并在應(yīng)用時使用同一樣本，那么您得到的結(jié)果應(yīng)該完全相同（請參閱第 5 條規(guī)則）。因此，此處的差異很可能表示出現(xiàn)了工程錯誤。

ML第三階段：緩慢增長、優(yōu)化細(xì)化和復(fù)雜模型

第二階段即將結(jié)束時會出現(xiàn)一些信號。首先，月增長開始減弱。您將開始在指標(biāo)之間做出取舍：在部分試驗(yàn)中，您會看到一些指標(biāo)上升了，而另一些指標(biāo)下降了。情況變得有趣起來。由于越來越難實(shí)現(xiàn)增長，因此ML系統(tǒng)必須變得更加復(fù)雜。注意：相比之前兩個部分，本部分中會有較多的純理論性規(guī)則。我們見過許多團(tuán)隊(duì)在ML的第一階段和第二階段非常滿意。但到了第三階段后，他們必須找到自己的道路。

第 38 條規(guī)則：如果目標(biāo)不協(xié)調(diào)，并成為問題，就不要在新特征上浪費(fèi)時間。

當(dāng)您的衡量結(jié)果穩(wěn)定時，您的團(tuán)隊(duì)會開始關(guān)注當(dāng)前ML系統(tǒng)的目標(biāo)范圍之外的問題。如前所述，如果現(xiàn)有算法目標(biāo)未涵蓋產(chǎn)品目標(biāo)，則您需要修改算法目標(biāo)或產(chǎn)品目標(biāo)。例如，您可以優(yōu)化點(diǎn)擊次數(shù)、+1次數(shù)或下載次數(shù)，但讓發(fā)布決策部分依賴于人工評分者。

第 39 條規(guī)則：發(fā)布決策代表的是長期產(chǎn)品目標(biāo)。

Alice 有一個關(guān)于減少預(yù)測安裝次數(shù)的邏輯損失的想法。她添加了一個特征。邏輯損失降低了。當(dāng)她運(yùn)行在線實(shí)驗(yàn)時，看到安裝率增加了。但是，在發(fā)布評審會上，有人指出，每日活躍用戶數(shù)減少了 5%。于是，團(tuán)隊(duì)決定不發(fā)布該模型。Alice 很失望，但現(xiàn)在她意識到發(fā)布決策取決于多個條件，只有一部分條件可以通過ML直接得到優(yōu)化。

事實(shí)上，現(xiàn)實(shí)世界并不是網(wǎng)游世界：沒有 "生命值" 來確定產(chǎn)品的運(yùn)行狀況。團(tuán)隊(duì)必須使用自己收集的統(tǒng)計(jì)信息來嘗試有效地預(yù)測系統(tǒng)未來的表現(xiàn)會如何。他們需要關(guān)注互動度、日活躍用戶數(shù) (DAU)、30 日 DAU、收入以及廣告主的投資回報(bào)率。這些可在 A/B 測試中衡量的指標(biāo)本身僅代表了以下更長期目標(biāo)：讓用戶滿意、增加用戶數(shù)量、讓合作伙伴滿意以及實(shí)現(xiàn)盈利，進(jìn)一步，您還可以認(rèn)為它們代表了發(fā)布優(yōu)質(zhì)且實(shí)用的產(chǎn)品，以及五年后公司繁榮發(fā)展。

唯一可以輕松做出發(fā)布決策的情況是，所有指標(biāo)都在變好（或至少沒有變差）。如果團(tuán)隊(duì)能夠在復(fù)雜的ML算法和簡單的啟發(fā)式算法之間做出選擇，而對所有這些指標(biāo)來說，簡單的啟發(fā)式算法可以提供更好的效果，那么應(yīng)該選擇啟發(fā)式算法。此外，并未對所有可能的指標(biāo)值進(jìn)行明確排名。具體而言，請考慮以下兩種情形：

如果當(dāng)前系統(tǒng)是 A，那么團(tuán)隊(duì)不太可能會改用 B。如果當(dāng)前系統(tǒng)是 B，那么團(tuán)隊(duì)不太可能會改用 A。這似乎與理性行為背道而馳；但是，對更改指標(biāo)的預(yù)測可能會成功也可能不會，因此這兩種改變都蘊(yùn)含著巨大的風(fēng)險。每個指標(biāo)都涵蓋了團(tuán)隊(duì)所擔(dān)心的一些風(fēng)險。

此外，沒有一個指標(biāo)涵蓋團(tuán)隊(duì)最關(guān)心的問題，即 "五年后我的產(chǎn)品將何去何從"？

另一方面，個人更傾向于選擇可以直接優(yōu)化的目標(biāo)。大多數(shù)ML工具也都青睞這樣的環(huán)境。在這樣的環(huán)境下，快速創(chuàng)建新特征的工程師能穩(wěn)定地進(jìn)行一系列發(fā)布。一種稱為 "多目標(biāo)學(xué)習(xí)" 的ML已開始解決此問題。例如，您可以提出約束滿足問題，對每個指標(biāo)設(shè)定下限，并優(yōu)化指標(biāo)的一些線性組合。不過，即使如此，也并不是所有指標(biāo)都可以輕松框定為ML目標(biāo)：如果用戶點(diǎn)擊了文檔或安裝了應(yīng)用，那是因?yàn)橄鄳?yīng)內(nèi)容展示出來了。但要弄清楚用戶為什么訪問您的網(wǎng)站就難得多。如何預(yù)測整個網(wǎng)站未來的成功狀況屬于AI完備問題：與計(jì)算機(jī)視覺或自然語言處理一樣難。

第 40 條規(guī)則：保證集成學(xué)習(xí)簡單化。

采用原始特征并直接對內(nèi)容進(jìn)行排名的統(tǒng)一模型是最易于進(jìn)行調(diào)試和理解的模型。但是，集成學(xué)習(xí)模型（將其他模型的分?jǐn)?shù)結(jié)合到一起的模型）可以實(shí)現(xiàn)更好的效果。為了簡單起見，每個模型應(yīng)該要么是僅接受其他模型的輸入的集成學(xué)習(xí)模型，要么是接受多個特征的基本模型，但不能兩者皆是。如果在單獨(dú)訓(xùn)練的模型之上還有其他模型，則組合它們會導(dǎo)致不良行為。

使用簡單的模型進(jìn)行集成學(xué)習(xí)（僅將 "基本" 模型的輸出作為輸入）。此外，您還需要將屬性強(qiáng)加到這些集成學(xué)習(xí)模型上。例如，基本模型生成的分?jǐn)?shù)的升高不應(yīng)使集成學(xué)習(xí)模型的分?jǐn)?shù)有所降低。另外，如果傳入的模型在語義上可解釋（例如，經(jīng)過校準(zhǔn)），則最理想，因?yàn)檫@樣一來，即使基本模型發(fā)生改變，也不會擾亂集成學(xué)習(xí)模型。另外，強(qiáng)制要求：如果基本分類器的預(yù)測概率增大，不會使集成學(xué)習(xí)模型的預(yù)測概率降低。

第 41 條規(guī)則：效果達(dá)到平穩(wěn)后，尋找與現(xiàn)有信號有質(zhì)的差別的新信息源并添加進(jìn)來，而不是優(yōu)化現(xiàn)有信號。

您添加了一些有關(guān)用戶的受眾特征信息，也添加了一些有關(guān)文檔中字詞的信息。您探索了模板，并調(diào)整了正則化。但在幾個季度的發(fā)布中，關(guān)鍵指標(biāo)的提升幅度從來沒有超過 1%?，F(xiàn)在該怎么辦？

是時候開始為截然不同的特征（例如，用戶在過去一天內(nèi)、一周內(nèi)或一年內(nèi)訪問的文檔的歷史記錄，或者其他屬性的數(shù)據(jù)）構(gòu)建基礎(chǔ)架構(gòu)了。您可以使用維基數(shù)據(jù)條目或公司內(nèi)部信息（例如，Google 的知識圖譜）。利用深度學(xué)習(xí)。開始調(diào)整您對投資回報(bào)的預(yù)期，并付出相應(yīng)的努力。與在任何工程項(xiàng)目中一樣，您必須對添加新特征的好處與增加復(fù)雜性的成本進(jìn)行一番權(quán)衡。

第 42 條規(guī)則：不要期望多樣性、個性化或相關(guān)性與熱門程度之間的聯(lián)系有您認(rèn)為的那樣密切。

一組內(nèi)容中的多樣性可以有多種含義，其中內(nèi)容來源的多樣性是最常見的一種。個性化意味著每個用戶獲得貼合其個人需求的結(jié)果。相關(guān)性意味著某個特定查詢的結(jié)果更適合該查詢，而非其他任何查詢。因此，這三個屬性均具有不同于常態(tài)的定義。

但常態(tài)往往很難被打敗。

請注意，如果您的系統(tǒng)在測量點(diǎn)擊次數(shù)、訪問時間、觀看次數(shù)、+1 次數(shù)、轉(zhuǎn)發(fā)次數(shù)等數(shù)據(jù)，那么您測量的是內(nèi)容的熱門程度。團(tuán)隊(duì)有時會嘗試學(xué)習(xí)具備多樣性的個性化模型。為實(shí)現(xiàn)個性化，他們會添加支持系統(tǒng)進(jìn)行個性化（代表用戶興趣的部分特征）或多樣化（表明相應(yīng)文檔是否與其他返回的文檔有任何相同特征的特征，例如作者或內(nèi)容）的特征，然后發(fā)現(xiàn)這些特征的權(quán)重比預(yù)期低（或者有時是不同的信號）。

這并不意味著多樣性、個性化或相關(guān)性不重要。正如上一條規(guī)則中所指出的那樣，您可以進(jìn)行后期處理來增加多樣性或相關(guān)性。如果您看到更長期的目標(biāo)有所增長，您可以聲明除了熱門程度外，多樣性/相關(guān)性也很有價值。然后，您可以繼續(xù)采用后期處理方法，也可以根據(jù)多樣性或相關(guān)性直接修改目標(biāo)。

第 43 條規(guī)則：在不同的產(chǎn)品中，您的好友基本保持不變，但您的興趣并非如此。

Google 的團(tuán)隊(duì)通過以下做法取得了大量進(jìn)展：采用一個預(yù)測產(chǎn)品中某種聯(lián)系的緊密程度的模型，并使用該模型對其他產(chǎn)品進(jìn)行準(zhǔn)確預(yù)測。您的好友保持不變。另一方面，我曾見過幾個團(tuán)隊(duì)在應(yīng)對多個產(chǎn)品間的個性化特征時捉襟見肘。是的，當(dāng)時看起來應(yīng)該可以奏效的。但現(xiàn)在看來并沒有。有時可以奏效的方法是，使用一個屬性的原始數(shù)據(jù)來預(yù)測另一個屬性的行為。此外，請注意，僅僅是知道用戶有其他屬性的歷史記錄也會有幫助。例如，兩個產(chǎn)品上出現(xiàn)了用戶活動或許本身就可以說明該問題。