Кто-нибудь здесь использовал Google Prediction API? За что? Это "сработало"?
Примеры использования Google Prediction API
Ответы (2)
Если вы ищете реальный случай, посмотрите этот, который автоматически назначает приоритет ошибкам.
Я также создал пару тестовых проектов, чтобы понять, как я могу использовать его в производстве.
Один из них предлагает теги для вопросов Stackoverflow. Модель для этого обучалась на вопросах (из дампа данных), которые имели только 1 тег. Это помогает ему распознавать особенности конкретного тега. Код и проза были разделены на отдельные функции, так как одна из них может иметь большее влияние на результат. Когда задан вопрос, он возвращает 10 лучших предложений тегов; фактические теги включены для сравнения.
Структура представляла собой файл CSV:
"tag","code blocks(200 chars)","body text(200 chars)"
Некоторые символы были отфильтрованы из code
, что вызвало ошибки обучения: []^|~
. Не уверен, что из них вызывало проблемы.
Если вы хотите, чтобы определенный вопрос был добавлен в список тестов, дайте мне знать. Очевидно, что вопросы, в которых есть код, предсказуемы лучше.
Другой проект прогнозирует рейтинги фильмов на основе данных IMDB и информации о режиссерах/актёрах. В отличие от подсказчика тегов, этот работает, поэтому вы можете поэкспериментировать с различными комбинациями, чтобы увидеть, что он предскажет.
Структура здесь была:
rating,"directorId","actorId actorId actorId"
Оба работают на Google App Engine, поэтому python является серверной частью. Я не использую конкретный API; только что следовал некоему примеру кода Ника Джонсона.
Я не использовал этот API. Но их списки веб-сайтов приведены ниже.
- Системы рекомендаций (демо-код)
- Обнаружение спама (демо-код)
- Анализ настроений клиентов
- Анализ возможностей допродажи
- Решения о маршрутизации сообщений
- Диагностика
- Классификация документов и электронной почты
- Выявление подозрительной активности
- Анализ оттока
- Идентификация языка