作者简介
饭饭爱吃饭,携程高级数据分析师,主要负责旅游领域数据赋能相关工作。对旅游趋势识别与推荐、旅游广告投放、旅游LBS等领域有浓厚兴趣。
2.1 基于业务场景理解的因子预测模型
2.2 传统时间序列预测模型
2.3 机器学习模型
离散类时间特征:年月日时分数,周几,一年中的第几天,第几周,一天中的哪个时间段等
判断类时间特征:是否调休,是否周末,是否公共假期等
滑窗类时间聚合特征:过去X天平均值,过去X天方差,过去X天最大值,过去X小时四分位数,过去X天偏态系数等
其他时序模型的预测值作为特征:ARIMA、SARIMA、指数平滑等
其他相关业务线数据的引入:比如对于售后业务线,引入售前业务线/预定业务线等数据,帮忙进行售后业务线的预测
2)神经网络模型
“携程技术”公众号
分享,交流,成长