Among the explanations below, which

Among the explanations below, which one is a reason to favor a probability model over a regression-like (e.g., data-mining) model for long-run projections of customer behavior?


If the observed behavior is viewed in an “as if” random manner, it would be wrong to put it into a regression-like model as if it’s deterministically true

Probability models are more accurate than regression models

Regression-like models are fine for a one-period-ahead prediction, but not beyond that horizon

Probability models can determine customer motivations

النتائج (العربية) 1:

بين التفسيرات أدناه، واحد الذي هو سبب لتفضيل نموذج احتمال على انحدار-مثل (مثلاً، استخراج البيانات) نموذج للتوقعات الطويلة الأجل لسلوك العميل؟إذا كان يتم عرض السلوك الملاحظ بطريقة عشوائية "كما لو كانت"، سيكون من الخطأ وضعه في نموذج الانحدار مثل كما لو كان صحيحاً [دترمينيستيكلي]نماذج الاحتمالات أكثر دقة من نماذج الانحدارنماذج مثل الانحدار على ما يرام لتنبؤ واحدة فترة المقبلة، على إلا تتجاوز هذا الأفقنماذج الاحتمالات يمكن تحديد دوافع العميل

النتائج (العربية) 3:

ومن التفسيرات الواردة أدناه، واحد الذي هو سبب معروف احتمال موديل فوق الانحدار مثل (على سبيل المثال، واستخراج البيانات نموذج على المدى الطويل توقعات سلوك العميل؟إذا لاحظت سلوك يعتبر في "كما لو كانت" بالطريقة العشوائية، سيكون من الخطأ وضعه في مثل نموذج الانحدار إذا كان صحيح حتميالنماذج الاحتمالية هي أكثر دقة من نماذج الانحدارالارتداد مثل النماذج الجميلة عن الفترة القادمة التنبؤ، على ألا يتجاوز ذلك الأفقالنماذج الاحتمالية يمكن تحديد دوافع العملاء