用于需求去约束的高斯过程方法
应用统计
2017-11-30 v1
摘要
收益管理中的关键挑战之一是需求数据的去约束。现有最先进的单类去约束方法对底层需求的形式做了限制性假设，当应用于违背这些假设的数据时表现不佳。本文提出一种使用高斯过程(GP)回归的新型去约束方法。我们通过构建并实现一种新的非平稳协方差函数来开发新型GP模型，使其能学习并外推底层需求趋势。我们表明该方法可应对现实需求数据的重要特征，包括非线性需求趋势、总需求变化、长时间约束期、非指数到达间隔以及需求数据中的不连续/变点。在所有此类情形下，我们的结果表明GP优于现有单类去约束方法。
引用
@article{arxiv.1711.10910,
title = {Gaussian Processes for Demand Unconstraining},
author = {Ilan Price and Jaroslav Fowkes and Daniel Hopman},
journal= {arXiv preprint arXiv:1711.10910},
year = {2017}
}