旅行时间序列预测中的模型监控与动态模型选择
应用统计
2021-06-10 v4
摘要
准确的旅行产品价格预测是一项备受青睐的功能，它使客户能够就购买做出明智决策，也使企业能够构建并提供有吸引力的旅游套餐。得益于机器学习（ML），如今开发用于价格时间序列预测的高精度统计模型已相对廉价。然而，一旦模型部署到生产环境中，其监控、维护与改进随时间推移承载了大部分成本与困难。我们引入了一个数据驱动的框架，用于持续监控与维护已部署的时间序列预测模型性能，以保障旅行产品价格预测模型的稳定表现。在监督学习框架下，我们预测时间序列预测模型随时间的误差，并利用该预测性能度量来实现模型监控与维护。我们在从航班与酒店价格收集的两年共 18K 条时间序列的数据集以及两个公开基准上验证了所提方法。
引用
@article{arxiv.2003.07268,
title = {Model Monitoring and Dynamic Model Selection in Travel Time-series Forecasting},
author = {Rosa Candela and Pietro Michiardi and Maurizio Filippone and Maria A. Zuluaga},
journal= {arXiv preprint arXiv:2003.07268},
year = {2021}
}