假设我是一家图片托管公司，我想在所有客户的照片中进行人脸识别。我的每个客户都有一组带标签的图片，我使用监督算法来标记新图片。
问题是：我应该为每个顾客使用不同的模型来标记他们的照片吗？
一方面，如果我为所有客户使用单一型号，我担心我可能用来自客户B的标签标记客户A的图片。另一方面，如果我为每个客户使用模型，我将有数千要管理的模型（部署，更新，监控......）。
答案 0 :(得分：1)
您可能希望在所有标签中开发或学习分层结构。假设它看起来像下面（树中的每个节点都是一个标签）：
A->B1->C1
|->B2->C2
|
|->B3->C3->D3->E3
标签之间存在父子关系。例如，C1是B1的孩子（C1更具体，B1->C1可能是体育 - >网球）
对于模型本身，它可以在所有客户的培训时间看到所有标签。 在预测时，您首先运行相同的模型并输出每个标签的可能性（假设您的模型类似于N路逻辑）。例如，
B1: 0.1
B2: 0.15
B3: 0.05
C1: 0.4
C2: 0.9
C3: 0.01
D3: 0.001
E4: 0
现在，如果这是客户A（其唯一有效标签为B2和C3）的任务，您可以汇总标签以匹配有效标签并删除其他分支：
B2: 0.9 (we use a Max(B2, C2) here)
C3: 0.011
所以你应该在这里报告B2，因为你不想用客户B的标签标记客户A的图片。但是一旦你有很多客户，给客户A应用一些流行的标签应该不是问题，正确？