【问题标题】:How do you approximate state transitions based on a person's attributes?你如何根据一个人的属性来近似状态转换?
【发布时间】:2021-10-25 17:55:24
【问题描述】:

假设您的客户属性分为高、中和低。不同类别的客户应该有不同的状态转换概率。您是在创建微型机器学习模型以获得不同的概率,还是只是根据历史数据使用过去转换的相对百分比?

【问题讨论】:

  • 听起来您在询问实施选择。这是由建模者做出的决定,对于哪种选择最能反映您想要建模的系统的实际行为方式,这是一个意见问题。

标签: probability distribution genetic-algorithm anylogic propensity-score-matching


【解决方案1】:

如果您有转换数据,则最常使用基于历史数据的分布...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哪种转换,只要您有自变量你可以用它来预测这个......

这个预测可以用机器学习模型或统计模型来完成,视情况而定

如果对过渡的位置有持续的连续决策,您还可以走得更远并使用人工智能,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。

【讨论】:

  • 如果我们结合 3-4 个属性并创建贝叶斯先验概率或联合概率,其中 ML 模型显示出弱相关性,这有意义吗?
猜你喜欢
  • 1970-01-01
  • 2016-01-13
  • 1970-01-01
  • 1970-01-01
  • 2021-04-19
  • 1970-01-01
  • 2015-11-25
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多