基于指数权重的个体移动轨迹集体预测
物理与社会
2015-10-23 v1 计算机与社会
机器学习
机器学习
摘要
我们提出并测试了一种用于人类移动性短期预测的顺序学习算法。这种新方法将指数权重（Exponential Weights）预测器与一个非常庞大的专家集合配对。这些专家是由某欧洲国家1000万漫游手机用户的移动轨迹构建的个体序列预测算法。平均预测精度显著高于个体序列预测算法，即源自用户自身数据的常阶马尔可夫模型，先前的移动性预测研究已表明这些模型能达到高准确度。该算法仅使用带时间戳的位置数据，其准确度取决于专家集合的完备性，该集合应包含典型移动模式的冗余记录。所提出的算法适用于任何足够大的序列数据集的预测。
引用
@article{arxiv.1510.06582,
title = {Collective Prediction of Individual Mobility Traces with Exponential Weights},
author = {Bartosz Hawelka and Izabela Sitko and Pavlos Kazakopoulos and Euro Beinat},
journal= {arXiv preprint arXiv:1510.06582},
year = {2015}
}
备注
15 pages, 8 figures