請查看下列選項。
以下哪些模型容易支援意見回饋循環？
車流量預測模型，以海灘擁擠程度做為其特徵之一，預測海灘附近的高速公路壅塞情形。
有些海灘旅行社會根據流量預測進行規劃。如果人數龐大，且預測流量偏高，許多使用者可能做出替代規劃。這可能會破壞海灘情緒，導致流量預測變得較淺，進而增加出席狀況並循環。
根據使用者喜愛的內容 (例如書籍購買次數) 建議小說的小說，可能會提供小說。
書籍推薦可能有助於提高購買量，而這些額外銷售業績會成為模型的輸入內容，供使用者日後推薦這些書籍。
這是一種大學排名模型，會根據學生的選擇程度 (部分是學生錄取的學生百分比) 對學校進行評分。
這個模型可為排名最高的學校帶來更多興趣，因此增加了應徵的應用程式數量。如果這些學校仍繼續接受學生人數，選擇的意願會提高 (允許的學生百分比將會下降)。這種做法不但可以提升這些學校的排名，還能進一步提升潛在學生的興趣等...
這個選舉結果模型會在意見調查結束後，針對 2% 的選民進行問卷調查，藉此預測市長的得獎作品。
如果模型在意見調查結束之後才會發布預測，就無法對預測資料造成影響。
預測房屋價格的模型，使用大小 (面積為平方公尺)、臥室數量和地理位置做為特徵。
您無法依據價格預測快速快速變更房子的位置、大小或臥室數量，讓意見回饋的迴圈變得不可能。不過，它的臥室大小和臥室數量之間可能存在關聯性，因此會議室可能需要更多。
可偵測相片中人物是否微笑的臉部屬性模型，該模型會定期接受資料庫庫存資料更新。
由於模型預測不會對我們的相片資料庫造成任何影響，因此這裡沒有意見回饋循環。不過，此處的輸入資料版本管理相當重要，因為每月更新作業可能會對模型造成非預期的影響。