Greykite：在 LinkedIn 大规模部署灵活预测
机器学习
2022-07-19 v1 统计方法学
摘要
预测帮助企业分配资源并实现目标。在 LinkedIn，产品负责人利用预测来设定业务目标、跟踪前景并监控健康状况。工程师利用预测来高效配置硬件。开发满足这些需求的预测解决方案，需要在从亚小时到季度的多样频率的时间序列上提供准确且可解释的预测。我们提出 Greykite，一个用于预测的开源 Python 库，已在 LinkedIn 的二十多个用例中部署。其旗舰算法 Silverkite 提供可解释、快速且高度灵活的单变量预测，能够捕捉时变增长与季节性、自相关、节假日和回归量等效应。该库通过促进数据探索、模型配置、执行和解释，实现了自助式的准确性与可信度。我们的基准结果表明，在来自多个领域的数据集上，其开箱即用的速度和准确性均表现优异。在过去两年中，Greykite 预测已被财务、工程和产品团队信任，用于资源规划与分配、目标设定与进度跟踪、异常检测与根因分析。我们期望 Greykite 对具有类似应用、需要准确且可解释并能捕捉与人类活动相关时间序列常见复杂动态的预测从业者有所帮助。
引用
@article{arxiv.2207.07788,
title = {Greykite: Deploying Flexible Forecasting at Scale at LinkedIn},
author = {Reza Hosseini and Albert Chen and Kaixu Yang and Sayan Patra and Yi Su and Saad Eddin Al Orjany and Sishi Tang and Parvez Ahammad},
journal= {arXiv preprint arXiv:2207.07788},
year = {2022}
}
备注
In Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '22), August 14-18, 2022, Washington, DC, USA. ACM, New York, NY, USA, 11 pages