利用因果信息机器学习实现 Uber 的实用市场优化
机器学习
2024-07-30 v1 机器学习
摘要
市场杠杆（如司机激励和乘客促销）的预算分配一直是 Uber 的技术与商业挑战；理解杠杆预算变化的影响并估算成本效益以实现预定义预算至关重要，其目标是实现最优分配以最大化业务价值；我们引入了一套端到端的机器学习与优化程序，用于自动化城市预算决策，依赖特征存储、模型训练与部署、优化器以及回测测试；我们提出了基于 S 学习器的深度学习（DL）估计器和一种新型张量 B 样条回归模型，借助 ADMM 和原始-对偶内点凸优化求解高维优化问题，显著提升了 Uber 的资源分配效率。
引用
@article{arxiv.2407.19078,
title = {Practical Marketplace Optimization at Uber Using Causally-Informed Machine Learning},
author = {Bobby Chen and Siyu Chen and Jason Dowlatabadi and Yu Xuan Hong and Vinayak Iyer and Uday Mantripragada and Rishabh Narang and Apoorv Pandey and Zijun Qin and Abrar Sheikh and Hongtao Sun and Jiaqi Sun and Matthew Walker and Kaichen Wei and Chen Xu and Jingnan Yang and Allen T. Zhang and Guoqing Zhang},
journal= {arXiv preprint arXiv:2407.19078},
year = {2024}
}
备注
To be published in the 2nd Workshop on Causal Inference and Machine Learning in Practice, KDD 2024, August 25 to 29, 2024, Barcelona, Spain, 10 pages