A method of building predictive statistical models provides a dedicated
aggregation module for each transactional record source. Each aggregation
module aggregates the transactional records using a neural network
function to produce a scalar output which can then be input to a
traditional modeling function, which may employ either logistic
regression, neural network, or radial basis function techniques. The
output of the aggregation modules can be saved, and updated aggregation
values can be updated by processing new transaction records and combining
the new transaction values with the previous output values using a
blending function. Parameters of the neural network in the aggregation
module may be calculated simultaneously with the parameters of the
traditional modeling module.
Um método de construir modelos estatísticos predictive fornece um módulo dedicado do aggregation para cada fonte record transactional. Cada módulo do aggregation agrega os registros transactional usando uma função da rede neural produzir uma saída escalar que possa então input a uma função modelando tradicional, que possa empregar a regressão logistic, neural rede, ou técnicas radiais da função da base. A saída dos módulos do aggregation pode ser conservada, e os valores atualizados do aggregation podem ser atualizados processando registros novos da transação e combinando os valores de transação novos com a saída precedente avalia usar uma função misturando-se. Os parâmetros da rede neural no módulo do aggregation podem ser calculados simultaneamente com os parâmetros do módulo modelando tradicional.
