La razón por la que no hay recursos técnicos sobre esto es simple: el ‘modelado similar’ es realmente en su mayor parte un eufemismo. Por lo general, está ocultando una serie de modelos de aprendizaje automático (generalmente supervisados), la mayoría de ellos algún tipo de enfoque de estimación de clasificación / probabilidad. Por lo tanto, desde kNN (más cercano en espíritu a un modelo similar) hasta SVM, regresión logística, árboles de decisión, redes neuronales, refuerzo, etc.
Puede encontrar mucha información técnica sobre esos algoritmos bien conocidos. Personalmente me gusta mucho “Elementos de aprendizaje estadístico”. Puede obtener el libro de forma gratuita aquí.
La razón por la cual la industria adtech está utilizando este eufemismo es porque la mayoría de los clientes (puede leer sobre el proverbial planificador de medios de 25 años) simplemente no tienen la comprensión técnica y los ojos se nublan una vez que habla sobre la máxima probabilidad y los términos de penalización. Al mismo tiempo, al llegar con un argumento de venta “Confía en mí, el aprendizaje automático sabe lo que está haciendo” tampoco tiende a funcionar muy bien …
- Cómo predecir cuándo ocurrirá el próximo evento (tiempo) usando variables cuantitativas independientes
- ¿Cuáles son los conjuntos de datos de visión por computadora más populares en este momento?
- Cómo convertirse en un cerebro cuant (un quant que usa IA)
- ¿Necesito almacenar los pesos en los pasos de tiempo anteriores además de las activaciones cuando uso la propagación hacia atrás a través del tiempo en redes neuronales recurrentes?
- ¿Cuáles son algunas buenas escuelas de investigación (PhD) para Inteligencia Artificial General (no Machine Learning)?
Y así, hemos comenzado a usar el término ‘modelos similares’ ya que transmite una vaga sensación de ‘encontrar personas que son similares a sus clientes’. Por cierto: ahora también tiene ‘act-like’ y varias otras versiones de esto. Sin embargo, en mi experiencia, los métodos verdaderos * por igual tienden a funcionar muy, muy mal en aplicaciones de marketing.