ragulpr/wtte-rnn

📈 WTTE-RNN: Dự báo thời gian tới sự kiện bằng RNN + Weibull

WTTE-RNN là một khung giảm "hack" để dự báo thời gian tới sự kiện (time to event) và churn, dựa trên mạng RNN và phân phối Weibull.

WTTE-RNN (Weibull Time To Event Recurrent Neural Network) là một khung thuật toán và triết lý giúp dự báo thời gian tới sự kiện một cách nguyên tắc thay vì dựa trên các kĩ thuật thủ công. Các bài toán như giám sát máy chủ, dự báo động đất hay dự báo churn đều có thể được đồng nhất hóa thành bài toán dự báo thời gian tới sự kiện tiếp theo. Dự án được phát triển bởi Egil Martinsson và cộng đồng, hưỗng tới một khung dự báo đẹp và dễ triển khai.

✨ Điểm nổi bật

• Dự báo phân phối TTE: Dự báo các tham số phân phối Weibull (alpha: thời gian, beta: độ chắc chắn) thay vì giá trị TTE trực tiếp.
• Xử lý dữ liệu bị dập: Sử dụng hàm mất mát log-loss đặc biệt cho dữ liệu bị dập (censored data).
• Hỗ trợ TensorFlow và Keras: Cung cấp hàm mục tiêu và lớp đầu ra Weibull cho cả TensorFlow và Keras.
• Công cụ biến đổi dữ liệu: Hỗ trợ chuyển đổi từ pandas.DataFrame sang numpy và tính toán TTE cũng như chỉ báo dập.
• Hàm Weibull đầy đủ: Bao gồm CDF, PDF, quantile, mean và các hàm hỗ trợ khác.
• Trực quan hóa alphabeta: Nhúng 2D từ alpha và beta giúp trực quan hóa và nhóm dự báo.

💡 Vì sao đáng chú ý

WTTE-RNN khác với các phương pháp truyền thống bằng cách mô hình dự báo phân phối xác suất hoàn chỉnh thay vì chỉ dự báo một giá trị trung bình, đặc biệt hiệu quả khi dữ liệu bị dập. Phương pháp này áp dụng tốt trong nhiều lĩnh vực từ giám sát hệ thống đến dự báo churn khách hàng.

---

#MachineLearning #RNN #Weibull #ChurnPrediction #TimeToAction #TensorFlow #Keras #TiniX