linux-BR.org

Notícias de software livre e tecnologias

Isso inclui a incorporação de técnicas mais avançadas de ML, como aprendizado de transferência, incorporação e aprendizado de várias tarefas, todos explorando ativamente em 2023. Para substituí-lo, procuramos maneiras de construir uma arquitetura somente para DNN que acrescentou o poder de memorização que nósTenho recebido do XGBoost, sem comprometer a capacidade do DNN de generalizar.Revistamos os modelos que usamos, a maneira como empregamos dados de transação da rede Stripe e a maneira como interagimos com os usuários.A arquitetura anterior combinou o poder da memorização (a parte ampla, alimentada por XGboost) com a generalização (a parte profunda, alimentada por um DNN).Chegamos a uma lista priorizada, implementamos rapidamente cada recurso e depois protótipo de cada um para entender o impacto no desempenho do nosso modelo.

Fonte: https://stripe.com/blog/how-we-built-it-stripe-radar