使用“自学响应模型”(SLRM) 节点，可以构建这样的模型：随着数据集的增长，可以不断对其进行更新或重新估计，而不必每次使用整个数据集重新构建该模型。 例如，如果有多个产品，而您希望确定某位客户获得报价后最有可能购买的产品，那么这种模型将十分有用。 此模型可用于预测最适合客户的报价，以及该报价被接受的概率。

最初构建模型时，可以使用较小的数据集，其中的报价和对这些报价的响应可以随机选择。 随着数据集的增长，模型可得到更新，从而越发能够根据其他输入字段（如年龄、性别、职业和收入）预测最适合客户的报价以及这些客户接受报价的概率。 可以通过在节点中添加或移除这些可用报价对其进行更改，而不必更改数据集的目标字段。

运行 SLRM 节点之前，必须在节点属性中同时指定目标字段和目标响应字段。 目标字段的存储格式必须为字符串而不是数字。 目标响应字段必须为标志。 标志的真值表示报价接受，假值表示报价拒绝。

示例。 某金融机构希望通过向每个客户提供最有可能接受的报价来获取更多的利润。 您可以使用自学模型来根据先前的促销活动确定最有可能对活动作出积极响应的客户的特征，并根据最近的客户响应实时更新该模型。