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: クラスターをディシジョン ジャングル モデルの特徴として使用します。
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: Score Matchbox Recommender モデルの特徴として生のスコアを使用する レコメンデーション システムを作成する目的は、1 つまたは複数の「アイテム」をシステムの「ユーザー」にレコメンドすることです。
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、人、人のグループ、またはアイテムの好み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：
広告レスポンスの評価が拒否されました。
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。
市場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、特徴の非線形境界をサポートする必要があります。
参考文献:
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