nó SLRM

Use o nó Modelo de Resposta de autoaprendizado (SLRM) para construir um modelo que você pode atualizar continuamente, ou reestimar, conforme um conjunto de dados cresce sem ter que reconstruir o modelo todas as vezes usando o conjunto de dados completo. Por exemplo, isso é útil quando você tem vários produtos e deseja identificar qual deles é mais provável que um cliente compre se você o oferecer a eles. Esse modelo permite prever quais ofertas são mais apropriadas para clientes e a probabilidade dessas ofertas serem aceitas.

Inicialmente, é possível construir o modelo usando um pequeno conjunto de dados com ofertas feitas aleatoriamente e as respostas a essas ofertas. Conforme o conjunto de dados cresce, o modelo pode ser atualizado e, portanto, se tornar mais apto para prever as ofertas mais adequadas para clientes e a probabilidade da aceitação dessas ofertas com base em outros campos de entrada, como idade, sexo, profissão e renda. É possível mudar as ofertas disponíveis incluindo ou removendo-as de dentro do nó, em vez de ter que mudar o campo de destino do conjunto de dados.

Antes de executar um nó SLRM, deve-se especificar os campos de resposta de destino e de destino nas propriedades do nó. O campo de destino deve ter armazenamento de sequência de caracteres, não numérico. O campo de resposta de destino deve ser um sinalizador. O valor true do flag indica aceitação da oferta e o valor false indica recusa da oferta.

Exemplo, Uma instituição financeira deseja obter resultados mais rentáveis ao corresponder a oferta que tem maior probabilidade de ser aceita por cada cliente. É possível usar um modelo de autoaprendizado para identificar as características dos clientes com maior probabilidade de responder favoravelmente com base em promoções anteriores e para atualizar o modelo em tempo real com base nas respostas mais recentes do cliente.