用于估计商业设施收益与需求的变分贝叶斯空间交互模型
机器学习
2021-08-06 v1 机器学习
应用统计
摘要
我们研究估计商业设施潜在收益或需求并理解其生成机制的问题。该问题出现在运筹学或城市科学等不同领域，更一般地，它对企业的规划与决策至关重要。我们提出了一种贝叶斯空间交互模型，以下简称 BSIM，其在给定区域中根据某商业位置的特征及潜在顾客特征，提供关于该位置所产生收益的概率预测。BSIM 通过在与给定顾客位置处评估特定门店的高斯分布所确定的概率值，显式考虑竞争设施之间的竞争。我们提出了一种可扩展的变分推断框架，其在显著快于竞争的马尔可夫链蒙特卡洛推断方案的同时，在参数辨识与不确定性量化方面表现出相当的性能。我们在具有不断增加门店数与顾客数的多种合成设定中展示了 BSIM 的优势。最后，我们构建了英国伦敦酒吧活动的真实大型空间数据集，包含超过 1500 家酒吧与 150000 个顾客区域。我们展示了在该大型数据集上 BSIM 如何在预测性能方面优于竞争方法，同时提供可解释且与伦敦地区相关指标一致的结果。
引用
@article{arxiv.2108.02594,
title = {A variational Bayesian spatial interaction model for estimating revenue and demand at business facilities},
author = {Shanaka Perera and Virginia Aglietti and Theodoros Damoulas},
journal= {arXiv preprint arXiv:2108.02594},
year = {2021}
}