时间序列问题的机器学习建模：预测机票价格
机器学习
2018-02-06 v2
摘要
机器学习已被应用于各个领域。本文介绍如何将机器学习应用于时间序列问题，并以机票价格预测问题作为具体案例。航空公司使用诸多不同变量来确定机票价格：是否为节假日出行、飞机上的空座数量等。其中部分变量可观测，部分则隐藏。基于 103 天的数据，我们训练了模型，获得的最佳模型是 AdaBoost-决策树分类。该算法在观测的 8 条航线上表现最优，比随机购买策略性能提升 61.35%，且在这些航线上的方差相对较小。我们还考虑了无法获取某些航线足够历史数据（例如新航线无历史数据）或不想训练历史数据以快速预测购买或等待的情形，在此问题中，我们使用基于隐马尔可夫模型序列分类的 AdaBoost-决策树分类在 12 条新航线上进行预测。最终，我们获得了比随机购买策略性能提升 31.71% 的结果。
引用
@article{arxiv.1705.07205,
title = {Machine learning modeling for time series problem: Predicting flight ticket prices},
author = {Jun Lu},
journal= {arXiv preprint arXiv:1705.07205},
year = {2018}
}
备注
7 pages