Twip battle - 30000 лайков в Instagram - VS - Создание предиктивных

30000 лайков поднимут рейтинг ваших публикаций в Instagram и их позиции в результатах поисковых запросов, что приведёт к увеличению целевых просмотров публикаций и посетителей на страницу.

Лайки качественные и безопасные - санкций со стороны Instagram не будет.

Варианты распределения просмотров:

30000 лайков на одну публикацию.

Можно распределить на 6 публикаций, по 5 000 лайков на каждую.

Можно распределить на 5 публикаций: на одну публикацию 10000 лайков и на 4 публикации по 5000 лайков.

Можно распределить на 4 публикации: на 2 публикации по 10000 лайков и ещё на 2 по 5000 лайков.

Можно распределить на 2 публикации, по 15000 лайков на каждую публикацию.

Можно распределить на 2 публикации, на одну 2000 лайков, а на другую 10000 лайков.

Других вариантов распределения просмотров нет.

Списания просмотров нет.

Срок выполнения - 1-2 дня (время твипа выставлено с запасом).

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных