Comments 11
Не бойтесь использовать ML в своих задачах — сделать простую модель не составляет труда. На написание моделей у нас ушло всего пару дней работы одного аналитика

Это когда у вас данные под руками есть.

Если мы их не выполняем, дарим клиенту бесплатную уборку

2 подряд регулярные уборки, на которые не нашлось клинера — 500 бонусных рублей. Что-то здесь не сходится.
А какое количество параметров учитывалось для обучения? на вскидку на ум приходят время заказа и стоимость. Но этого явно маловато…
Например
информация о клиенте:
cколько до этого отменял уборок, сколько до этого выполнилось уборок, подписчик или нет, сколько времени прошло с последнего заказа
информация про заказ:
Стоимость, доп. услуги, когда был создан заказ(за сколько времени до начала), была ли скидка, были ли переносы заказы, как был создан заказ (через веб/приложение/кц)
Попробуйте LightGBM или XGBoost, если еще не пробовали. Они тот же самый градиентный бустинг обычно быстрее и точнее делают после тюнинга. За полдня можно сделать. Количество кода не сильно изменится.
В свою очередь, порекомендую попробовать отечественную разработку — Catboost, в последнее время он стал очень хорош.
А можно поподробнее, как запускается уже обученная модель на новых заказах? Хотелось бы побольше технических деталей вот этой части: «И закинули в продакшн. Теперь каждое утро нам в базу данных падает оценка вероятности отмены заказа»
Еще раз заюзали ML. Сделали аналогичную модель, но предсказывающую нам вероятность выхода клинера на работу. Теперь у нас крутятся две модельки, каждый день мы имеем актуальную инфу о заказах и клинерах и можем их распределять.


А что выступает в качестве признаков в этих моделях? Особенно интересна модель про клинеров.
Интересно, какие неочевидные связи они выяснили — типа: «клинеры 30+ чаще канселяют заказы по вторникам»

Пардон за столь поздний ответ, большинство признаков связанных с перфомансом клинера за последние 7, 14, 21, etc дней, в частности выходил ли клинер в эти дни + мета информация о клинере. В наших планах всерьез пересмотреть фичи этой модели, чтоб значительно увеличить её качество.

Only those users with full accounts are able to leave comments. Log in, please.

Information

Founded
Location
Россия
Website
qlean.ru
Employees
101–200 employees
Registered