LinkedIn開源了Greykite函式庫,這是LinkedIn為滿足自家時間序列預測需求,而開發的Python函式庫,Greykite主要使用一個稱為Silverkite的演算法,可以提供快速、準確且直覺的預測結果,適合用於大規模且需要互動的預測應用。

時間序列預測可以用來預測,隨時間變化的指標以及各種數值,官方提到,雖然專家可以產生精確的預測,但是演算法的自動化優勢,可以帶來可擴展性和可重複性,而且還能提高準確度,下游演算法也可以使用自動化產生的結果進行決策。

LinkedIn所開發的Greykite,包含了一個簡單的建模界面,可促進資料探索和模型調整,而Silverkite演算法有很大的自定義空間,能夠調整參數以擷取各種時間序列特徵,輸出的結果也具可解釋性,能夠以視覺化的方式反應趨勢、季節性和其他影響統計的要素。

官方提到,Silverkite對具有時間變化的趨勢、季節性和重複事件等時間序列預測效果很好,在LinkedIn中,他們已經將其應用在每小時、每天和每周等各種時間頻率,以及短期與長期等時間範圍的指標預測上。

由於Greykite具有高度靈活特性,能提供趨勢、季節性、變化點(Changepoint)以及自動迴歸等時間序列迴歸功能,用戶可以按需求使用,並應用在選擇的機器學習模型上,而且Greykite有探索性圖表功能、調校模版和可解釋性預測,因此可提供用戶直觀的使用體驗,另外,Greykite高效能的特性,可以支援大規模快速雛形開發和部署。

LinkedIn在資源規畫、績效管理、最佳化和分析生態系等各種領域,廣泛地使用時間序列預測,像是預測高峰流量以準備足夠的基礎設施,或是用於設定業務指標,並且追蹤營運進度,還可以預測市場的成長,來最佳化預算運用。官方提到,Greykite就很適合用於COVID-19疫情衝擊後,預測各國的恢復速度。

Greykite主要採用高度可自定的演算法Silverkite,官方表示,Greykite能夠擴展支援多種演算法,並透過單一界面進行基準測試,目前Greykite還支援臉書Prophet演算法,LinkedIn預計未來還會支援更多開源演算法。Greykite函式庫現在已於GitHub和PyPI上公開。


熱門新聞

Advertisement