Dostępne opcje są opisane poniżej.
Który z tych modeli może być zapętlony?
Model prognozy natężenia ruchu przewidujący korki na drogach w pobliżu plaży, a jedną z jej funkcji jest rozmiar populacji.
Niektórzy goście korzystają z prognoz natężenia ruchu na plaży. Jeśli na plaży jest duży ruch i prognozowanie natężenia ruchu jest obfite, wiele osób może opracować alternatywne plany. Może to spowodować obniżenie natężenia ruchu na plaży, co przełoży się na mniejszą liczbę wizyt, co może zwiększyć liczbę uczestników i cykliczny cykl.
Model rekomendacji książek, który sugeruje, że użytkownikowi zależy na powieściach opartych na popularności (np. liczbie kupionych książek).
Rekomendacje książek będą raczej zwiększać liczbę zakupów, a dodatkowe transakcje sprzedaży będą uwzględniane w modelu jako dane wejściowe, co z kolei umożliwi rekomendowanie tych samych książek w przyszłości.
Model rankingu uniwersytetu, który ocenia szkoły częściowo za pomocą selektywności, czyli odsetek przyjętych uczniów.
Rankingi modelu mogą wzbudzać dodatkowe zainteresowanie najpopularniejszych szkół, zwiększając liczbę aplikacji, które otrzymują. Jeśli liczba uczniów w tych szkołach będzie nadal równa tej samej liczbie uczniów, zwiększy się selektywność (nie będzie to możliwe). Zwiększy to pozycję tych szkół w rankingu, a tym samym zwiększy zainteresowanie potencjalnych uczniów itp.
Model wyników wyborów, który przewiduje zwycięzcę wyborów na burmistrza, przeprowadzając ankietę 2% wyborców po zamknięciu ankiet.
Jeśli model nie opublikuje prognozy przed zamknięciem ankiet, nie będzie mógł wpłynąć na zachowanie wyborców.
Model mieszkaniowy, który przewiduje ceny domów na podstawie rozmiarów (obszar w metrach kwadratowych), liczby sypialni i lokalizacji geograficznej.
W odpowiedzi na prognozy cen nie można szybko zmienić lokalizacji, rozmiaru
ani liczby sypialni, co powoduje, że pętla informacji zwrotnych jest mało prawdopodobna. Możliwe jednak, że rozmiar i liczba sypialni są korelowane (większe domy mają więcej sal), więc trzeba je usunąć.
Model atrybutów twarzy wykrywający uśmiechnięty użytkownik, który jest regularnie trenowany w bazie danych zdjęć licencjonowanych, które są automatycznie aktualizowane co miesiąc.
Nie ma tu pętli informacji zwrotnych, ponieważ prognozy modelu nie mają żadnego wpływu na naszą bazę danych zdjęć. Obsługa wersji danych wejściowych ma tego obawy, ponieważ comiesięczne aktualizacje mogą mieć nieprzewidziany wpływ na model.