WTTE-RNN - 用于客户流失和事件发生时间预测的框架
Weibull 事件发生时间 重复 神经网络 一种不那么黑科技的机器学习框架,用于流失率和事件发生时间预测。 预测问题多种多样,从服务器监控到地震预测, 客户流失预测可以被定义为预测某一事件发生的时间。 WTTE-RNN 是一个算法,也是一种关于如何实现这一目标的理念。
请参阅 Python 包的 README。如果这看起来过于复杂，基本实现可以在以下代码中找到：
与预测 TTE 本身不同，诀窍是让您的 机器学习 模型输出 分布的参数。这可以是任何东西，但我们喜欢 Weibull 分布，因为它是令人惊叹的。机器学习 算法可以是任何基于梯度的算法，但我们喜欢 RNN，因为它们也令人惊叹。下一步是使用可以处理有标记数据的特殊对数损失来训练优选算法。其背后的直觉是，我们希望在 下一个 事件中分配高概率，或者在没有事件的情况下分配低概率（对于有标记数据）：
暂无开放 Issues，或尚未同步最近议题。