probability - 你如何根据一个人的属性来近似状态转换?
问题描述
假设您有一个客户属性分类为高、中和低。不同类别的客户应该有不同的状态转换概率。您是在创建微型 ML 模型以获得不同的概率,还是只是使用基于历史数据的过去转换的相对百分比?
解决方案
如果您有转换数据,则使用基于历史数据的分布是最常用的方法...不过,根据具体情况,您也可以使用预测模型来了解代理将使用什么转换,只要您有可以使用的自变量用来预测这个...
可以根据情况使用 ML 模型或统计模型来完成此预测
如果对过渡的位置有持续的连续决策,您还可以更进一步并使用人工智能,如果您想优化这些客户的行为,您可以这样做......强化学习用于此,您可以使用您的模拟模型为这些客户的决策过程生成策略。
推荐阅读
- python - 熊猫数据框更新 - 更新期间完成的所有更改的日志
- javascript - useEffect 导致无限循环,但我找不到原因。另外我可以在代码中改进什么
- unicode - UAX#15 第 9 节中的 Unicode NFC 快速检查和补充字符示例
- linkedin-api - 将 LinkedIn 与 UKG 集成(HRIS 系统)
- flutter - 按下异步按钮内的 Flutter Navigator 页面更改
- ruby-on-rails - 为什么 Devise 允许我在不提供密码确认的情况下创建用户?
- java - 通过自定义 KeyCloak Config Resolver 获取 SecurityContextHolder.getContext().getAuthentication()
- java - 我的 TestNG 断言失败。有人可以在这里帮忙吗?我在这里做错了什么
- javascript - 仅插入具有值的变量,而不是未定义的 node.js
- c++ - Clang AST 遍历