Khả năng con người lập luận từ kinh nghiệm dựa trên khả năng xác định các ví dụ phù hợp từ trước. Một bác sĩ chẩn đoán nhiễm trùng, một nhà phân tích yêu cầu bồi thường gắn cờ tài sản bảo hiểm gian lận và một thợ săn nấm chỉ ra Morels đang làm theo cùng một quy trình.
Mỗi người đầu tiên nhận ra các trường hợp giống nhau từ kinh nghiệm và sau đó sử dụng kiến thức của họ về các phương pháp đó cho các vấn đề hiện tại. Đây là tầm quan trọng của suy luận dựa trên trí nhớ. Một cơ sở dữ liệu của dữ liệu đã biết được tìm kiếm để khám phá các bản ghi đã phân loại trước giống với một dữ liệu mới. Những hàng xóm này được sử dụng để phân loại và tính toán.
Có nhiều ứng dụng khác nhau của Lập luận dựa trên bộ nhớ như sau -
Phát hiện gian lận - Các trường hợp gian lận mới giống như các trường hợp đã biết. MBR có thể phát hiện và gắn cờ chúng để điều tra thêm.
Dự đoán phản hồi của khách hàng - Những khách hàng tiếp theo có khả năng phản hồi một đề nghị có thể giống với những khách hàng trước đó đã thừa nhận. MBR có thể đơn giản nhận ra những khách hàng tiềm năng tiếp theo.
Điều trị y tế - Phương pháp điều trị hiệu quả cho một bệnh nhân nhất định có thể là phương pháp điều trị mang lại kết quả tốt nhất cho cùng một bệnh nhân. MBR có thể khám phá phương pháp điều trị mang lại kết quả tốt nhất.
Phân loại câu trả lời - Các câu trả lời dạng văn bản tự do, bao gồm các câu trả lời trên biểu mẫu Điều tra dân số Hoa Kỳ về nghề nghiệp và thị trường hoặc các khiếu nại xuất hiện từ người dùng, bắt buộc phải được phân loại thành một bộ mã cố định. MBR có thể xử lý văn bản tự do và tạo mã.
Điểm mạnh của MBR là khả năng sử dụng thông tin. Không giống như một số phương pháp khai thác dữ liệu, nó không quan tâm đến cấu trúc của dữ liệu. Nó chỉ quan tâm đến sự tiếp tục của hai hoạt động:Một hàm khoảng cách có thể tính toán khoảng cách giữa một số dữ liệu và một hàm kết hợp có khả năng kết hợp các kết quả từ nhiều hàng xóm để xuất hiện ở một câu trả lời.
Các chức năng này được xác định cho một số loại bản ghi, chẳng hạn như bản ghi có kiểu dữ liệu phức tạp hoặc bất thường bao gồm khu vực địa lý, hình ảnh và văn bản tự do thường phức tạp để quản lý bằng các kỹ thuật phân tích khác.
Điểm mạnh thứ hai của MBR là khả năng sửa đổi. Chỉ kết hợp bản ghi mới vào cơ sở dữ liệu lịch sử tạo ra nó có thể áp dụng cho MBR để hiểu về các yếu tố mới và định nghĩa mới của các định nghĩa trước đó. MBR cũng tạo ra kết quả tốt nhất mà không cần mất nhiều thời gian để đào tạo hoặc đưa thông tin đến vào đúng định dạng.
Những lợi ích này xuất hiện với chi phí. MBR ảnh hưởng đến việc trở thành một nguồn tài nguyên vì một lượng lớn hồ sơ lịch sử nên luôn sẵn sàng để khám phá các vùng lân cận. Việc phân loại dữ liệu mới có thể yêu cầu xử lý tất cả dữ liệu lịch sử để phát hiện ra những người hàng xóm tương tự nhất — một quá trình chậm hơn so với việc sử dụng mạng nơ-ron đã được đào tạo hoặc cây quyết định đã được xây dựng. Ngoài ra còn có khó khăn trong việc phát hiện ra các hàm khoảng cách và kết hợp tốt, điều này cần một chút thử nghiệm và sai sót và trực giác.