Attribution Modeler | partitions | partition[n]

Eigenschaften in dieser Kategorie geben Werte an, die festlegen, wie Attribution Modeler Daten auswertet, und die für alle Partitionen gelten.

Diese Eigenschaft definiert den Prozentsatz an verfügbaren Datensätzen, die für das Training verwendet werden. Dieser Wert sollte auf eine Zahl festgelegt werden, die größer als 0, aber kleiner als 100 (Prozent) ist.

Der Generierungswert für Zufallszahlen steht für den Ausgangspunkt, der von Attribution Modeler für die zufällige Auswahl von Datensätzen verwendet wird.

Diese Eigenschaft gibt den maximalen Zeitraum in Stunden an, die Attribution Modeler mit dem Selbst-Training verbringt. Sie legt ein Zeitlimit für den Trainingsprozess fest, während er die Daten interiert, um das von der Eigenschaft converganceThreshold gesetzte Ziel zu erreichen. Dieses Zeitlimit ermöglicht es dem Administrator, die Ressourcen zu begrenzen, die Attribution Modeler verbraucht. In der Überwachungsanzeige wird der Ausführungsstatus "Überschritten" angezeigt, wenn SIRA dieses Trainingszeitlimit überschreitet.

Mit dieser Eigenschaft wird ein Grenzwert für die zulässige Differenz zwischen den Ergebnissen einer Trainingsiteration und der nächsten festgelegt. Diese Differenz wird als Prozentsatz der Antworten ausgedrückt, deren Ergebnisse (erfolgreiche Angebote) sich zwischen einer Iteration und der nächsten ändern dürfen.

Wenn Sie diese Eigenschaft auf 0 (Null) festlegen, lassen Sie keine Änderungen der Ergebnisse von einer Iteration zur nächsten zu. Dies ist der strengste Standard. Wenn Sie diese Eigenschaft auf einen höheren Wert als 0 festlegen, erlauben Sie flexiblere Trainingsergebnisse. Der Standard ist weniger streng, und das Training könnte schneller abgeschlossen werden.