Atributos de aprendizaje

El módulo de aprendizaje aprende utilizando los atributos de visitante y los datos de aceptación de ofertas. Puede seleccionar qué atributos de visitante desea supervisar. Estos atributos de visitante pueden ser cualquier elemento en un perfil de cliente, por ejemplo, un atributo almacenado en una tabla de dimensiones referenciada en un diagrama de flujo interactivo o algún parámetro de evento que se recopila en tiempo real.

Aunque puede configurar el número de atributos que desee para supervisarlos, IBM® recomienda no configurar más de diez atributos de aprendizaje entre los atributos de aprendizaje estáticos y dinámicos, y seguir estas directrices.

Seleccione atributos independientes.

No seleccione atributos que sean similares. Por ejemplo, si crea un atributo denominado HighValue y este atributo se define mediante un cálculo basado en el salario, no seleccione HighValue y Salary. Los atributos similares no ayudan al algoritmo de aprendizaje.

Seleccione atributos con valores discretos.

Si un atributo tiene rangos de valores, debe seleccionar un valor exacto. Por ejemplo, si desea utilizar el salario como un atributo, debe dar a cada rango de salarios un valor específico, por ejemplo, el rango 20.000-30.000 debe ser A, 30.001-40.000 debe ser B, etc.

Limite el número de atributos a los que realiza un seguimiento para no disminuir el rendimiento.

El número de atributos que puede rastrear depende de los requisitos de rendimiento y de la instalación de Interact. Si puede, utilice otra herramienta de modelado (por ejemplo, PredictiveInsight) para determinar los diez primeros atributos predictivos. Puede configurar el módulo de aprendizaje para podar automáticamente los atributos que no sean predictivos, pero esto también afecta al rendimiento.

Puede gestionar el rendimiento definiendo el número de atributos que desea supervisar y el número de valores por atributo que se van a supervisar. La propiedad maxAttributeNames define el número máximo de atributos de visitante a los que puede realizar un seguimiento. La propiedad maxAttributeValues define el número máximo de valores que puede rastrear por atributo. Los demás valores se asignan a una categoría definida por el valor de la propiedad otherAttributeValue. Sin embargo, el motor de aprendizaje sólo realiza un seguimiento de los primeros valores que encuentra. Por ejemplo, supongamos que realiza un seguimiento del atributo de visitante de color de ojos. Sólo está interesado en los valores azul, marrón y verde, por lo que establece maxAttributeValues en 3. Sin embargo, los tres primeros visitantes tiene los valores azul, marrón y avellana. Esto significa que a todos los visitantes con los ojos verdes se les asigna otherAttributeValue.

También puede utilizar atributos de aprendizaje dinámicos que permiten definir los criterios de aprendizaje más específicamente. Los atributos de aprendizaje dinámicos permiten aprender de la combinación de dos atributos como una sola entrada. Por ejemplo, supongamos la siguiente información de perfil.

ID del visitante	Tipo de tarjeta	Saldo de tarjeta
1	Tarjeta Oro	$1.000
2	Tarjeta Oro	$9.000
3	Tarjeta Bronce	$1.000
4	Tarjeta Bronce	$9.000

Si utiliza los atributos de aprendizaje estándar, sólo puede aprender del tipo de tarjeta y el saldo individualmente. Los visitantes 1 y 2 se agruparán basándose en el Tipo de tarjeta, y los visitantes 2 y 4 se agruparán basándose en el Saldo de tarjeta. Este puede que no sea un indicador preciso de un comportamiento de aceptación de oferta. Si los titulares de la tarjeta Oro tienden a tener saldos mayores, el comportamiento del visitante 2 puede ser radicalmente distinto al del visitante 4, lo que puede sesgar los atributos de aprendizaje estándar. Sin embargo, si se utilizan atributos de aprendizaje dinámicos, se aprende sobre cada uno de estos visitantes individualmente y las predicciones serán más precisas.

Si utiliza atributos de aprendizaje dinámicos y el visitante tiene dos valores válidos para un atributo, el módulo de aprendizaje selecciona el primer valor que encuentra.

Si establece la propiedad enablePruning en yes, el módulo de aprendizaje determina mediante algoritmos qué atributos no son predictivos y deja de tener en cuenta esos atributos cuando calcula las ponderaciones. Por ejemplo, si realiza un seguimiento de un atributo que representa el color de cabello y el módulo de aprendizaje determina que no existe ningún patrón para aceptar una oferta según el color de cabello del visitante, el módulo de aprendizaje deja de tener en cuenta el atributo de color de cabello. Los atributos se vuelven a evaluar cada vez que se ejecuta el proceso de agregación de aprendizaje (definido por la propiedad aggregateStatsIntervalInMinutes). Los atributos de aprendizaje dinámicos también se podan.