¿Qué técnicas en el aprendizaje automático son útiles para modelar el comportamiento de un usuario solo a partir de sus hábitos para tomar decisiones inteligentes?

Creo que esta pregunta depende en gran medida de lo que quieras lograr como resultado final. No hay una respuesta para esto, creo. En mi opinión, el enfoque correcto para abordar este problema es experimentar. Comienza con una teoría basada en lo que desea optimizar (como la experiencia del usuario para una interacción específica). Y, luego, reúne los datos del usuario que cree que son útiles para optimizar ese objetivo. Por ejemplo, su aplicación puede recopilar estadísticas sobre qué elemento de la interfaz de usuario en su aplicación se hace clic / tocar con mayor frecuencia, y cuál se hace clic / tocar con menos frecuencia, y luego puede reorganizar su interfaz de usuario para facilitar la interacción con esos elementos de la interfaz de usuario. Si su aplicación se basa en la interacción del usuario, puede mejorar la experiencia del usuario al realizar un seguimiento de qué otro usuario son contactos frecuentes. Pero, de nuevo, depende en gran medida de los hábitos que desee capturar y de los servicios que desee optimizar.

Machine Learning tiene un conjunto muy amplio de herramientas, por lo que deberá ser muy específico, si desea información sobre un caso de uso específico. Sin embargo, puedes hacer mucho incluso con estadísticas simples :).

En primer lugar, recopila todo lo que puedas de tus usuarios.

En segundo lugar,

¿Qué quieres lograr? ¿Quieres que la gente pase más tiempo en tu aplicación? ¿Quieres que la gente compre más cosas? Debe tener objetivos y solo así puede tomar decisiones informadas.

Si tienes objetivos, puedes usar árboles de decisión o ANN (redes neuronales artificiales) para descubrir información, como las personas que tienen más amigos en el juego gastan más dinero o algo así.

Creo que el acertijo de correlacionar directamente los hábitos del usuario con el comportamiento del usuario y finalmente trazar una línea dura con lo que puede ofrecer (recomendar) está bien resuelto y se ha mejorado.

Estoy desarrollando una aplicación móvil respaldada por un servidor back-end que realiza un seguimiento del hábito del usuario de usar la aplicación móvil para mejorar los servicios ofrecidos. El modelo de comportamiento debe construirse solo a partir de las propias interacciones del usuario.

Entonces, este es un problema de segmentación de 1. Para profundizar más, tendrá que confiar en lo que todos los demás están haciendo, como personas / arquetipos y eventualmente etiquetar para acercarse a su segmento.

Si no tiene suficientes datos internos / propios, hay varias rutas a conjuntos de datos alternativos, como los corredores de datos, que proporcionan toneladas de datos que puede usar (necesitará comprar) para obtener información, todos anónimos, yo ‘ Estoy esperando (por tu bien).

bueno, iba a hacer algo así, y decidí dejar un servicio ejecutándose en segundo plano, rastreando cada acción e interacción del usuario y luego, en función de un conjunto de características, por ejemplo, tiempo total de uso de Internet, hablar tiempo, patrones de carga o … construye y entrena una red neuronal que me da un conjunto de rasgos de personalidad, espero que esto ayude

Yo iría con el aprendizaje de refuerzo: no tienes etiquetas “buenas” o “malas” para la secuencia de comportamiento, y en tu caso podrías evaluar la utilidad de una secuencia cuando termina.