Firma buduje narzędzie do priorytetyzacji potencjalnych klientów, aby pracownicy mogli kontaktować się z potencjalnymi klientami. Pracownicy muszą mieć możliwość przeglądania i ręcznego dostosowywania ważności (wag) zmiennych wejściowych w oparciu o swoją wiedzę dziedzinową. Jaki typ modelu ML spełnia to wymaganie?

Model regresji logistycznej jest odpowiedni, ponieważ umożliwia przypisywanie wag do zmiennych wejściowych, a te wagi mogą być interpretowane i modyfikowane ręcznie. Jest to model liniowy, co ułatwia zrozumienie wpływu każdej zmiennej na wynik. Inne modele, takie jak głębokie uczenie, sieci neuronowe czy k-NN, są zazwyczaj modelami typu "czarna skrzynka", gdzie interpretacja i ręczna modyfikacja wag poszczególnych cech jest trudna lub niemożliwa ze względu na ich złożoną, nieliniową strukturę i dużą liczbę parametrów.