いつもYahoo!乗換案内アプリをご利用いただきありがとうございます。 先日ご紹介した、「【混雑予報】異常混雑検知のしくみについてご紹介-前編」の続きをご紹介いたします。 予測モデルについて 今回の異常混雑検知を実現するにあたり、以下2種類のモデルを利用しています。 概要: 通常時において高精度に予測 学習期間: 最低1ヶ月分 学習手法: 与えられたデータの中から同じ曜日、路線、方面、駅、時間で学習を行う 特徴: 学習時に花火大会やコンサートなどで極端に検索数が増えたデータが含まれる場合、このモデルでは通常時とは異なる波形を描くため除外される 概要: 指定された日付の検索数を高精度に予測 学習期間: 最低1ヶ月分 学習手法: N日前-M日前までの検索数をそれぞれ何倍して足し合わせれば予測対象日の検索数に近づくかを学習(1日の合計数ではなく時間単位) 特徴: bi と異なり、イベントやコンサ
![【混雑予報】異常混雑検知のしくみについてご紹介ー後編 - Yahoo!路線情報公式ブログ](https://cdn-ak-scissors.b.st-hatena.com/image/square/c1dc5f88555703357ab3f224f06379152ccf7f80/height=288;version=1;width=512/https%3A%2F%2Fcms-pctr.c.yimg.jp%2Fr%2Fiwiz-blog-cms%2Fblog.transit%2F20200812%2FblogtitleIjoukonzatu002.png)