策略Infrastructure

何谓好的 Infrastructure

好的infra意味着：
“无论在这些点上用多么山寨雷人的方法去做，只要tech driver的解释能力足够强，那么结果就能得到保证，用机制设计的术语说“social goal will be Nash implement” ”[1]

• 1、 核心算法（算法的开放性，可持续优化，演进）
• 2 、tech driver（来自可靠数据，“对算法本身”解释力足够强，且能够与最终目标(拆解的业务目标)契合来指示优化方向）

关于ML体系:

现代的ML体系（TF，pyTorch）本身就是个很好的infra，它具有很好的开放性。

1、核心算法：机器学习算法本身有很强的开放性，容纳任意的目标，特征形式，且能拟合各种复杂目标函数形式。同时，通过特征的优化，模型结构，超参，训练过程的优化，能不断迭代。
2、tech driver：就譬如排序模型中的AUC等指标。虽然不能直接指示最终KPI指标，但是能解释模型的排序能力，在单纯的排序任务中，就有足够强的解释力。在广告等场景，或者多目标排序时，可能还需要CTCVR的AUC，OE等等指标。

对ML本质的定义（Essence of ML）：

Tom Mitchell：
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.1
一种形式上的定义。

Yoshua Bengio：（w2v，attention...)(Hinton, LeCun)
Machine learning is essentially a form of applied statistics with increased emphasis on the use of computers to statistically estimate complicated functions and a decreased emphasis on proving confidence intervals around these functions[.]2
ML：应用统计学的一种框架。（更具现实意义的一种定义，这里更多倾向于DL）[2]

关于策略设计：

在信息流等这种产品，策略的设计其实本质也需要一个“框架”（infra），在这个框架下去优化各个指标（模块需要特定的tech driver），要保证策略框架本身有足够的“开放性”，可以持续的迭代优化。

Refer
[1]:
https://blog.csdn.net/bigheadyushan/article/details/77952219

[1]
https://www.kdnuggets.com/2018/12/essence-machine-learning.html