データの依存関係: 理解度を確認する

以下の選択肢をご確認ください。

次のモデルは、フィードバック ループの影響を受けやすいのはどれですか。
浜辺の混雑規模を特徴とし、海岸近くの高速道路の渋滞に基づいて渋滞を予測している交通予測モデル。
海水浴を楽しむ人の中には、交通予測に基づいて計画を立てることが多い人もいます。たくさんの人が出入り、トラフィックが多くなると予想される場合、多くの人が別の計画を立てる可能性があります。それにより、ビーチの往復が抑えられ、それにより交通量が少なくなるため、来場者が増え、サイクルが繰り返される可能性があります。
人気度(書籍が購入された回数など)に基づいて、ユーザーにおすすめの小説を提案する書籍レコメンデーション モデル。
書籍のレコメンデーションは購入を促進する可能性が高いため、これらの追加の売り上げは入力としてモデルにフィードバックされ、将来的に同じ書籍がおすすめされる可能性が高くなります。
選択性(学校の入学申請者の割合)によって学校を評価する、大学ランキング モデル。
このモデルのランキングによって、高く評価されている学校への関心が高まり、受け取るアプリケーションの数が増える可能性があります。このような学校が引き続き同数の生徒を受け入れていくと、選択性が向上します(認められる生徒の割合が下がります)。それによって、これらの学校でのランキングが上がり、学生の興味 / 関心がもっと高まります。
投票終了後に有権者の 2% にアンケートを実施し、市長選挙の勝者を予測する選挙結果モデル。
アンケートをクローズするまでモデルが予測を公開しないと、予測がボーター行動に影響を与えることはありません。
サイズ(平方メートル単位の面積)、寝室の数、地理的位置を特徴として使用して、住宅価格を予測する住宅価値モデル。
価格予測に応じて、家の場所、サイズ、寝室の数をすぐに変更することはできないため、フィードバック ループが発生する可能性は低くなります。ただし、寝室の数と部屋の大きさには相関関係があり(大きめの家ほど部屋が多い傾向)、片付け方が重要になる場合があります。
人物が写真で笑顔であるかどうかを検出する顔属性モデル。ストックフォトのデータベースで定期的にトレーニングされ、毎月自動的に更新されます。
モデル予測は写真データベースに影響しないため、フィードバック ループは発生しません。しかし、ここでの月次の更新はモデルに予期しない影響をもたらす可能性があるため、入力データのバージョニングは懸念事項です。