과거 데이터가 없을 때 지리 정보로 수요를 예측하는 법

문제COVID 회복기에 지역별 재오픈 시점이 달라 과거 패턴 기반 수요 예측이 무력화됐다. 유럽·북미 등 백신 공급과 국경 재개 시점이 달라 단일 역사 패턴을 적용할 수 없었다.

접근회복이 먼저 시작된 지역의 사후분포(posterior)를 구조적으로 유사한 지역의 사전분포(prior)로 전파하는 계층적 베이지안 모델을 적용했다. 여행자 구성·국내외 비중·숙박 유형 기반 유사도 가중치 w(c, c')로 정보 이전 강도를 조절한다.

결과로컬 데이터 축적에 따라 prior 의존도가 자동으로 낮아져 수동 튜닝이 불필요했다. 순차적 규제 변경·피처 배포·거시 충격 등 다양한 시나리오에 적용 가능한 범용 예측 프레임워크로 확장됐다.

Airbnb Engineering 블로그

원문은 여기서 이어서 읽을 수 있어요

읽음 (0)

이 글과 비슷한