데이터 종속 항목: 이해한 내용 확인하기

아래 옵션을 살펴보세요.

다음 중 피드백 루프에 취약한 모델은 무엇인가요?
해변의 인파를 특성 중 하나로 사용하여 해변 근처 고속도로 출구의 정체를 예측하는 교통량 예측 모델입니다.
일부 해안 관광객은 트래픽 예측에 기반해 계획을 세울 가능성이 큽니다. 해변 인파가 많고 트래픽이 많을 것으로 예상되면 많은 사람이 대체 계획을 세울 수 있습니다. 이렇게 하면 해변 출입이 줄어들어 교통 예측이 낮아지고 그로 인해 출석이 반복되고 주기가 반복될 수 있습니다.
인기도 (예: 도서 구매 횟수)를 바탕으로 사용자가 좋아할 만한 소설을 추천하는 도서 추천 모델입니다.
도서 추천은 구매를 유도할 가능성이 높으며 이러한 추가 판매는 모델에 입력으로 다시 제공되어 향후 동일한 도서를 추천할 가능성이 높아집니다.
지원한 학생 중 학생 선택률에 따라 부분적으로 학교를 평가하는 대학 순위 모델입니다.
모델의 순위는 상위 평점 앱에 대한 관심도를 높여 지원 건수를 증가시킬 수 있습니다. 이러한 학교에서 학생 수를 계속 늘리기로 하면 선택률이 높아집니다 (입학률은 감소함). 이렇게 하면 학교 순위가 높아지고 잠재적 학생 관심도가 더 높아집니다.
투표가 끝난 후 유권자의 2% 를 설문조사하여 시장 선거의 승자를 예측하는 선거 결과 모델입니다.
모델에서 설문조사가 마감될 때까지 예측을 게시하지 않으면 예측이 유권자 행동에 영향을 줄 수 없습니다.
크기 (제곱미터 단위의 면적), 침실 수, 지리적 위치를 특성으로 사용하여 주택 가격을 예측하는 주택 가격 모델
가격 예측에 따라 주택의 위치, 크기, 침실 수를 빠르게 변경할 수 없으므로 피드백 루프가 발생하지 않습니다. 하지만 크기와 침실 수 간에는 상관관계가 있을 수 있습니다 (더 큰 방은 방이 많을 가능성이 높음). 이는 분할해야 할 수도 있습니다.
사람이 사진에서 미소를 짓고 있는지 감지하는 얼굴 속성 모델입니다. 이 모델은 매월 자동으로 업데이트되는 스톡 사진 데이터베이스를 통해 정기적으로 학습됩니다.
모델 예측은 사진 데이터베이스에 영향을 주지 않으므로 여기에는 피드백 루프가 없습니다. 그러나 월간 업데이트로 인해 모델에 예기치 않은 영향이 발생할 수 있으므로 입력 데이터의 버전 관리가 우려됩니다.