【PPT+实录】携程酒店研发部BI经理潘鹏举：机器学习在OTA酒店服

如果你的模型已经通过了初步的目标，可能会开始开发上线的流程，会开发API，开发完之后校验数据对不对，然后再放在线上空跑，空跑是指模型已经在线上嵌入了，会配置一个开关，开关开启控制模型对现有流程不影响，记log，通过log分析这个模型在线上的真实效果，主要目的是做风控。空跑之后上线，做模型监控，这是一整套的流程。

? ?

对于工具，主要是用R和python，会有好几个部署有R和Python的服务器，在这上面训练模型。

这是Feature设计的例子，有房预测分不同的维度，其实主要是加了不同维度的先验概率，不同时刻预订可确认率是不一样的，白天可确认是比较高的，到了晚上确认就比较差。

???

酒店维度。

??

紧张度维度，紧张度的定义是，酒店有50个房子，有40个关闭掉了，只剩下20%的房间，那么这个房间的紧张度是80%。

???

房型维度跟酒店维度差不多，颗粒度不一样，房型维度主要刻画库存的实际消耗情况。

???

模型训练的经验总结。

???

在模型训练里面特征工程、准备数据花很多时间。这列了一些常用的方法：

???

• 缺失值预测，对缺失值用一个模型进行预测，填补缺失值。对重要变量的缺失值做预测，它可以提升模型的效果。

• ? 百分比变换，规避分母出现0的影响。这边列了一个小技巧，A除以B，B是0，就会出现NA、NAN异常值，会在分母里加一个很小的数字，比如加0.000几，这样就不会出现NA、NAN等异常数值，训练模型会比较方便。对于类别变量列了三种常用处理方法。

• OneHotEncode。

• WOE在风控上用得比较多，可以训练处目标变量和预测变量之间的权重是多少。相比较OneHotEncode，WOE只有一个变量结果。

• Impactcoding，跟WOE思路是一样的，只是变换公式不太一样。

???

数据挖掘、机器学习都会提到归一化。

在这边的业务模型中比较少用到归一化，归一化就是把量当作了一些scale，会用最大最小值，如果放在线上，需要把最大最小值存储下来。最主要的问题，可能线下训练数据最大最小值差距是比较明显，会导致出现预测偏差。另外目前使用的集成机器学习对量纲不敏感。

???

衍生新变量。

??

• Entropy转换，用了它对模型的效果进行提升。思路针对room对多个变量的不确定性进行衡量。

• GBDT衍生新变量。思路，在每个观察值在节点上的结果作feature。

• SVD++衍生新变量，用这个方式发现featuer，隐含的因子用它来学习，有一个模型里面用到。

???

把训练是分为两倍，50%做第一层，就是T1，左边叫第一层模型。把这个东西feature训练出第二层模型，用最终的模型预测test结果。

有些人训练很少自己分training和test，把它的结果直接提交，看提交结果后的如何。

???

训练模型，一般都会留一个test集合，在线下训练模型的时候，可能会尝试很多种模型，要对比出模型是否有差异，就可以用同一个test去预测一下，这样就比较方便对比出不同模型之间的差异。

???

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!