Una empresa está creando una herramienta de priorización de clientes potenciales para que el personal pueda contactar a los clientes potenciales. Los empleados deben poder ver y ajustar manualmente la importancia (pesos) de las variables de entrada basándose en su experiencia en el dominio. ¿Qué tipo de modelo de ML soporta este requisito?

La regresión logística es un modelo estadístico que permite asignar pesos a las variables de entrada, y estos pesos pueden ser interpretados y ajustados manualmente por expertos en el dominio. Esto es crucial para la herramienta de priorización de clientes potenciales, ya que el personal puede usar su experiencia para refinar la importancia de cada factor. Un modelo de deep learning entrenado con componentes principales, un modelo K-NN o una red neuronal son más complejos y opacos. Aunque pueden lograr alta precisión, sus parámetros internos (pesos y sesgos) son difíciles de interpretar y ajustar manualmente de manera significativa por un usuario no técnico, lo que no cumple con el requisito de ajuste manual basado en la experiencia.