תלות בנתונים: בדיקת ההבנה שלכם

משך זמן משוער: 4 דקות

כדאי לעיין באפשרויות הבאות.

לאילו מהמודלים הבאים יש השפעה על לולאת משוב?

מודל לחיזוי עומסי תנועה שחיזוי עומסי תנועה ביציאה בדרכים מהירות ליד החוף, תוך שימוש בגודל הקהל של החוף כאחת מהמאפיינים שלו.

סביר להניח שחלק מהמבקרים בחוף יבססו את התוכניות שלהם על התחזית של תנועת הגולשים. אם יש עומס רב בחוף והתנועה צפויה להיות כבדה, אנשים רבים עשויים לתכנן תוכניות חלופיות. מצב כזה עלול לכבות את החוף, וכתוצאה מכך התחזית תהיה נוחה יותר לתנועה, מה שעלול להוביל לנוכחות נוספת ולמחזור המחזורים.

מודל של המלצות על ספרים שמרמז על רומנים שהמשתמשים שלהם עשויים לאהוב על סמך הפופולריות שלהם (כלומר, מספר הפעמים שהספרים נרכשו).

סביר להניח שהמלצות על ספרים יעודדו רכישות, והמכירות הנוספות האלה ימוינו שוב למודל, כדי להגדיל את הסיכוי להמליץ על הספרים האלה בעתיד.

מודל בדירוג אוניברסיטאי שמדרג חלק מבתי הספר לפי הסלקטיביות שלהם – אחוז הסטודנטים שהגישו את הבקשה.

הדירוגים של המודל עשויים להגביר את העניין בבתי ספר מובילים, וכך להגדיל את מספר הבקשות שהם מקבלים. אם בתי הספר האלה ימשיכו לאשר את אותו מספר תלמידים, הסלקטיביות תגדל (אחוז הסטודנטים שאושרו יקטן). כך בתי ספר יעלו

מודל של תוצאות בחירות שחזות את המנצח בבחירות לראשות העיר באמצעות סקר של 2% מהמצביעים אחרי סגירת הסקרים.

אם הסקר לא יפורסם, עד שהסקרים ייסגרו, ייתכן שהחיזויים לא ישפיעו על התנהגות המצביעים.

מודל דיור-ערך שיכול לחזות את מחירי הבתים, לפי גודל (אזור במטרים רבועים), מספר חדרי שינה ומיקום גיאוגרפי כתכונות.

לא ניתן לשנות במהירות את המיקום, הגודל או מספר חדרי השינה בבית, בתגובה לתחזיות המחיר, לכן סביר להניח שלולאת משוב. עם זאת, יכול להיות שיש קשר בין הגודל לבין מספר חדרי השינה (בחדרים גדולים כנראה יש יותר חדרים) שייתכן שיהיה צורך להבחין ביניהם.

מודל לזיהוי פנים שמזהה אם אדם מחייך בתמונה. במסגרת אימון זה, מתבצע אימון קבוע במסד הנתונים של צילום המניות, שמתעדכן באופן אוטומטי מדי חודש.

אין כאן לולאת משוב כי לחיזויים של המודלים אין השפעה על מסד הנתונים של התמונות. עם זאת, שימוש בגרסה הזו של נתוני קלט מדאיג כאן, מפני שלעדכונים החודשיים האלה עשויה להיות השפעה בלתי צפויה על המודל.

מרכז העזרה