COVID-19期间航空公司客户行为的分布偏移
机器学习
2021-12-24 v2 人工智能
计算工程、金融与科学
计量经济学
摘要
定制化（个性化）情境定价应用中的传统 AI 方法假设在线定价时的数据分布与训练期间观察到的分布相似。然而，由于客户购买模式的动态特性，特别是由于诸如 COVID-19 等不可预见的系统冲击，这一假设在实践中可能被打破。我们通过将其构建为协变量偏移和概念漂移检测问题，研究了一家大型航空公司在 COVID-19 大流行期间客户行为的变化。我们使用 (i) 快速广义子集扫描和 (ii) 因果森林，识别了哪些客户改变了其旅行与购买行为，以及影响该变化的属性。在我们使用模拟与真实世界数据的实验中，展示了如何通过定性分析来使用这两种技术。
引用
@article{arxiv.2111.14938,
title = {Distribution Shift in Airline Customer Behavior during COVID-19},
author = {Abhinav Garg and Naman Shukla and Lavanya Marla and Sriram Somanchi},
journal= {arXiv preprint arXiv:2111.14938},
year = {2021}
}
备注
6 pages, 5 figures, NeurIPS 2021 Workshop on Distribution Shifts: connecting methods and applications (DistShift)