Firma chce pogrupować klientów w klasy wskazujące, czy odejdą w ciągu najbliższych sześciu miesięcy. Zbiór danych jest oznaczony wynikami odejścia/pozostania. Jaki typ modelu uczenia maszynowego należy zastosować?

Prawidłową odpowiedzią jest Klasyfikacja. Problem polega na przewidywaniu, czy klient odejdzie (tak/nie), co jest zadaniem kategoryzacji danych wejściowych do jednej z predefiniowanych klas (w tym przypadku dwóch: "odejdzie" lub "pozostanie"). Regresja liniowa jest używana do przewidywania wartości ciągłych, a nie dyskretnych klas. Grupowanie (Clustering) to technika uczenia nienadzorowanego, która grupuje podobne punkty danych bez wcześniejszych etykiet, podczas gdy w tym scenariuszu dane są już oznaczone ("odejście/pozostanie"). Uczenie ze wzmocnieniem (Reinforcement learning) jest stosowane w scenariuszach, gdzie agent uczy się optymalnego zachowania poprzez interakcję ze środowiskiem i otrzymywanie nagród lub kar, co nie pasuje do tego problemu przewidywania.