Dependencia de datos: Comprueba tu comprensión

Explora las opciones que aparecen a continuación.

¿En cuál de los siguientes modelos se puede encontrar un ciclo de reacción?
Un modelo de pronóstico del tráfico que predice los atascos en las salidas de carreteras junto a la playa, con el tamaño de la multitud como uno de sus atributos.
Algunos bañistas prefieren armar sus planes según el pronóstico del tráfico. Si hay mucha gente en la playa y se pronostican muchos atascos en el tráfico, es posible que la gente haga otros planes. Es posible que esto reduzca la cantidad de gente en la playa, por lo que se pronosticará menos tráfico, lo que puede aumentar la concurrencia y el ciclo se repite.
Un modelo de recomendación de libros que sugiere novelas a los usuarios según la popularidad (es decir, la cantidad de ventas de los libros).
Probablemente, las recomendaciones de los libros aumenten las ventas; estas ventas adicionales se sumarán al modelo como entradas, lo que aumentará las posibilidades de que esos mismos libros se recomienden en el futuro.
Un modelo de clasificación de universidades que ordena las facultades en parte por su selectividad, es decir, el porcentaje de estudiantes que se presentaron para ingresar con respecto a los que efectivamente ingresaron.
Es posible que las clasificaciones del modelo generen un interés adicional hacia las facultades con mejor calificación, lo que aumenta la cantidad de solicitudes que reciben. Si estas facultades siguen recibiendo la misma cantidad de estudiantes, la selectividad aumentará (el porcentaje de estudiantes ingresantes se reducirá). Esto impulsará la clasificación de las facultades, lo que a su vez aumentará el interés de los estudiantes y así sucesivamente…
Un modelo de resultados de elecciones que predice el ganador mediante una encuesta al 2% de los votantes después del cierre de urnas.
Si el modelo no publica su pronóstico hasta después del cierre de urnas, no es posible que sus predicciones afecten el comportamiento de los votantes.
Un modelo de tasación de viviendas que predice el precio de las casas al usar el tamaño (el área en metros cuadrados), la cantidad de habitaciones y la ubicación geográfica como atributos.
No es posible cambiar rápidamente la ubicación, el tamaño y la cantidad de habitaciones de una casa en respuesta a los pronósticos de los precios, por lo que es poco probable que se produzca una retroalimentación. Sin embargo, existe una retroalimentación potencial entre el tamaño y la cantidad de habitaciones (las casas más grandes tienden a tener más habitaciones) que posiblemente se deba analizar por separado.
Un modelo de atributos faciales que detecta si una persona está sonriendo en una foto, el cual se entrena periódicamente con una base de datos de fotos de archivo que se actualiza cada mes de forma automática.
No existe una retroalimentación, ya que las predicciones del modelo no afectan la base de datos de las fotos. Sin embargo, las versiones de los datos de entrada son un problema en este caso, ya que las actualizaciones mensuales pueden tener efectos inesperados en el modelo.

Enviar comentarios sobre…

Curso intensivo de aprendizaje automático