干货 | 结构化多元时序模型在携程业务量上的预测应用

文章预览

作者简介 Yiwen，携程数据分析师，专注用户增长、因果推断、数据科学等领域。 团队热招岗位： 高级数仓工程师 、 高级数据分析师 、 数据运营专员 本文主要介绍SCNN模型及其代码的具体实现，以及如何将其应用在预测业务量上的实际操作过程，旨在面对一些拥有复杂时空结构的多元变量数据时，能更准确地进行预测。首先对模型原理进行简要阐释，随后展示代码逻辑，最后介绍在具体业务场景上的实践应用 。 一、背景 二、现有方法及潜在问题 三、模型介绍 3.1 多元序列生成过程 3.2 结构分解 3.3 结构预测 3.4 结构融合 3.5 损失函数 & 残差项处理 四、模型应用与代码实现 4.1 代码实现 4.2 最佳模型选取 4.3 模型参数 4.4 模型对比 五、业务场景实践 5.1 数据选取 & 模型训练 5.2 代码实现 & 结果解读 5.3 落地应用 & 未来改进 六、方法拓展 七、总结 一、 ………………………………