预测建模可以仅应用于一个问题还是多个问题

        情况各不相同：您可以拥有一个经过高度优化的预测模型，以利用特定于数据的知识对特定数据集表现出色。例如，如果您要分析URL，并且每个URL是一个字符串（最多255个字符），则每个（UTF 8）字符为8位或1个字节，因此您需要255个字节来存储每个URL。您可以使用诸如CityHash64之类的哈希函数对每个URL进行哈希，如果现在能够将URL存储为8个字节而不是255个字节。可以将其内置到算法中，以使其使用更少的内存，从而使其可以将更多数据容纳到RAM中，并且可以使计算速度更快，但是对于旨在支持各种功能的系统而言，无法进行此类优化数据类型。通常，您将没有足够的领域知识来进行此类优化。 在这家公司的“相反”端，您将提供一个通用系统，该系统以某种格式接收数据并在数据上应用预定义的算法。您可能具有一些参数，这些参数可以让您在了解更多领域知识的情况下对系统进行调整，但它与获取URL的哈希值以减少3000％的内存使用情况相差无几。提供此类服务的公司通常会采用DRY原则，它们只编写一次代码，然后尽可能多地重用代码（以节省资金并获得最大的利润）。他们可能会对其设置进行一些小的优化或调整，但通常会避免仅针对特定客户端对算法进行编码。 这绝不是您正在寻找的公司正在做的事情的准确表示，但是根据您的报价，这似乎是一个有效的假设。正是这样，人们知道我没有做出判断：如果该公司正在推广，这是完全合理的，如果我的业务依赖于我为尽可能多的客户提供服务，那么我也将进行推广。