Ponowne uczenie modelu co miesiąc (Sieć Bayesa)
Sieci bayesowskie umożliwiają utworzenie modelu prawdopodobieństwa przez połączenie zaobserwowanych i zarejestrowanych dowodów ze „zdroworozsądkową” wiedzą rzeczywistą w celu ustanowienia prawdopodobieństwa występowania zdarzeń na podstawie pozornie niepowiązanych ze sobą atrybutów.
W tym przykładzie zastosowano strumień o nazwie bayes_churn_retrain.str, który odwołuje się do plików danych o nazwie telco_Jan.sav i telco_Feb.sav. Pliki są dostępne w katalogu Demos instalacji programu IBM® SPSS Modeler i można do nich uzyskać dostęp z grupy programów IBM SPSS Modeler w menu Start systemu Windows. Plik bayes_churn_retrain.str znajduje się w katalogu streams.
Załóżmy na przykład, że operator telekomunikacyjny jest zaniepokojony liczbą klientów odchodzących do konkurencji (odchodzenie). Jeśli można użyć historycznych danych klientów do przewidywania klientów, którzy z większym prawdopodobieństwem mogą odejść w przyszłości, można do nich skierować specjalne oferty, aby zniechęcić ich do przejścia do innego dostawcy usług.
Ten przykład koncentruje się na użyciu miesięcznych danych odejścia, aby przewidzieć klientów, którzy z większym prawdopodobieństwem mogą odejść w przyszłości, a następnie dodaniu danych z kolejnego miesiąca, aby udoskonalić i nauczyć ponownie model.