説明

ステップ1：K-Meansクラスタリングモデルを実装する
ステップ2：クラスターをDecisionジャングルモデルの機能として使用します。
決定ジャングルはノンパラメトリックモデルであり、非線形の決定境界を表すことができます。
ステップ3：生のスコアをスコアマッチボックスレコメンダーモデルの機能として使用するレコメンデーションシステムを作成する目的は、システムの「ユーザー」に1つ以上の「アイテム」を推奨することです。
アイテムの例としては、映画、レストラン、本、歌などがあります。ユーザーは、個人、個人のグループ、またはアイテム設定を持つ他のエンティティである可能性があります。
シナリオ：
評価された広告の応答は拒否されました。
広告応答モデルは、各イベントの開始時にトレーニングし、スポーツイベント中に適用する必要があります。
マーケットセグメンテーションモデルは、同様の広告応答履歴に合わせて最適化する必要があります。
広告応答モデルは、機能の非線形境界をサポートする必要があります。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/multiclass-decision-jungle
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/score-matchbox-recommende