Комментарии 10
А вы только старты рассматриваете? В прошлом сезоне активно пользовался самокатами. Рассматривал их в том числе как альтернативу маршрутки до метро. Езжу после часа пик. Вот не получается стартануть ни утром, и ни вечером. Утром все самокаты у метро, вечером у домов.
Здравствуйте, кроме стартов так же прогнозируются финиши, чтобы оценить общую миграцию флота и позволить спрогнозировать данные по дефициту\профициту на каждую конкретную парковку.
Доброго времени суток!
Подскажите, пожалуйста, как вы выбрали начальную точку (от которой начали обучение)? Что если в данный период на какой-то парковке изначально не было самокатов (при этом это потенциальная точка старта) и из-за этого старты были 0. Не будет ли в таком случае ошибки при обучении?
Здравствуйте! Да, такая ситуация имела место. На раннем этапе обходили это увеличением прогноза для таких значений, т.е. там, где прогнозировался 0 стартов, все равно подвозится не более 1-2 самоката (актуально для прогноза на ночной и утренний (~ 6:00) период). Как правило, из 10-12 таких "перепрогнозированных" (в превентивный мерах) парковок только на одной в итоге был фактический старт.
Спасибо за то что поделились! Dart не пробовали? Общий API и большое кол-во моделей из коробки + можно оборачивать их API на линейные модели вроде sklearn, есть даже интересности вроде N-BEATS или NLinearModel с возможно обучения на GPU через pytorch lightning. Есть модельки Future-known covariates, например добавить прогноз погоды на неделю, с самокатами будет актуально
Здравствуйте, нет, Dart не тестировали, но посмотрю документацию на возможность совместить с нашими требованиями. По поводу добавления ковариационный переменных - в финальной Prophet-модели независимые переменные погоды (температура и осадки) уже используются при прогнозирование (и все верно - связь между поездками и погодой практически линейная).
А вы для каждой парковки строили свою модель деревьев получается? Не пробовали обучить одну модель на много схожих парковок?
Да, для каждой парковки строится своя модель. Обобщенную модель пробовали, но в нашем случае не подошло: часто парковки схожи по типу (допустим, все парковки топовые) и общему количеству стартов, но при этом сильно различаться по суточной\недельной структуре спроса - например, у первой один суточные пик в 19 часов, у второй два пика спроса - в 9 и 20, и модель, обученная на структуре первой парковки будет давать высокую ошибку на второй парковке.
Как спрогнозировать спрос на самокаты и не захламить город, версия Whoosh