BriefGPT - AI 论文速递
·
混合密度网络在产品捆绑分类中的应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了两种基于混合密度网络的分类模型，通过拟合高斯混合模型到数据中，并使用拟合的分布对样本进行分类。这些模型在公开数据集上表现良好，并在真实世界的产品捆绑应用中展示了实际用途。
🎯
关键要点
- 本文提出了两种基于混合密度网络的分类模型。
- 模型通过拟合高斯混合模型到数据中进行分类。
- 这些模型在三个公开数据集上表现良好，性能与五个基准分类模型相当。
- 模型在真实世界的产品捆绑应用中展示了实际用途。
- 模型能够从单个产品的合成销售数据中学习愿意支付（WTP）分布。
- 利用所学到的WTP分布的高斯混合表示，获得由两个产品组成的捆绑产品的WTP分布。
- 提出的模型能够很好地近似两个产品和捆绑产品的真实WTP分布。
➡️
