问：
为什么机器学习的理性代理对零售应用如此重要？
A：Rational Agent在机器学习和人工智能项目中有多种用途，但它们在零售应用中特别有用，因为它们是博弈论和预测建模的重要方面。
在零售中，机器学习模型通常用于尝试预测最佳结果。 公司正在尝试获取有关客户的大数据，并通过人类情感和动机的角度对其进行评估，以便从整体上审视人类行为。 换句话说，他们正在研究大量客户，并为他们的集体行为建立模型，试图弄清所有这些个人选择如何结合起来以提供商业情报。
| 免费下载： 机器学习及其重要性 |
考虑到这一点，理性主体在博弈论或其他行为模型中扮演着有用的角色。 零售商将使用理性的代理商和模型来尝试找出如何最好地为客户服务。
例如，采用评估驾驶服务的机器学习模型。 在这种情况下，理性行为者将是个体推动者。 机器学习模型将吸收大数据-例如，它将检查有关服务速度，驾驶员如何导航驶入区域，他们如何选择移动车辆以及如何影响其他决策的实时数据。到非常详细的行为水平。
这只是一个例子–机器学习模型中的理性代理可以模拟人的选择，例如座位，产品或服务的排队，在线购物，在露天购物中心或一系列商店购物，或企业领导者进行的其他任何选择要测量。
本质上，使用机器学习模型可以建立公司可以用来更好地营销和销售的情报。 Rational Agent在模型中扮演特定角色，以便向决策者展示更多有关其业务决策如何在现实世界中发挥作用的信息。
理性代理在零售中的次要用途涉及创建可以做出自己决定的自主机器。 随着机器学习和人工智能的发展，我们可能会看到更多这类营销。 您可能拥有一个可以爬行网络或其他网络或与智能手机设备进行交互以分别向客户销售商品的数字蜘蛛-想想1980年代和1990年代科幻电影中的未来全息图，这些全息图大胆地向个人推销了产品。 这就是零售理性代理在当今不断发展的人工智能环境中可以做的事情。
总而言之，零售可以通过多种特定方式从机器学习中受益匪浅。 涉及理性主体和其他要素的机器学习模型可以消除业务决策中的大部分猜测。 随着公司在为目标受众提供服务方面变得更加明智，那些没有使用这些高级模型来推动商业智能的公司将被抛在后面。
