Yandex.Taxi ຄົ້ນຫາລົດແນວໃດເມື່ອບໍ່ມີ

ການບໍລິການ taxi ທີ່ດີຄວນຈະປອດໄພ, ເຊື່ອຖືໄດ້ແລະໄວ. ຜູ້ໃຊ້ຈະບໍ່ເຂົ້າໄປໃນລາຍລະອຽດ: ມັນເປັນສິ່ງສໍາຄັນສໍາລັບລາວທີ່ລາວກົດປຸ່ມ "ຄໍາສັ່ງ" ແລະໄດ້ຮັບລົດໄວເທົ່າທີ່ຈະໄວໄດ້ທີ່ຈະນໍາລາວຈາກຈຸດ A ຫາຈຸດ B. ຖ້າບໍ່ມີລົດຢູ່ໃກ້ໆ, ການບໍລິການຄວນ ແຈ້ງທັນທີກ່ຽວກັບເລື່ອງນີ້ເພື່ອບໍ່ໃຫ້ລູກຄ້າມີຄວາມຄາດຫວັງທີ່ບໍ່ຖືກຕ້ອງ. ແຕ່ຖ້າປ້າຍ "ບໍ່ມີລົດ" ປະກົດຂຶ້ນເລື້ອຍໆ, ມັນສົມເຫດສົມຜົນທີ່ບຸກຄົນຈະຢຸດເຊົາການໃຊ້ບໍລິການນີ້ແລະໄປຫາຄູ່ແຂ່ງ.

ໃນບົດຄວາມນີ້ຂ້າພະເຈົ້າຕ້ອງການທີ່ຈະສົນທະນາກ່ຽວກັບວິທີການ, ການນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກ, ພວກເຮົາໄດ້ແກ້ໄຂບັນຫາການຊອກຫາລົດໃນເຂດທີ່ມີຄວາມຫນາແຫນ້ນຕ່ໍາ (ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ບ່ອນທີ່, ຢູ່ glance ທໍາອິດ, ບໍ່ມີລົດ). ແລະສິ່ງທີ່ມາຈາກມັນ.

ປະວັດສາດ

ເພື່ອໂທຫາລົດແທັກຊີ, ຜູ້ໃຊ້ປະຕິບັດສອງສາມຂັ້ນຕອນງ່າຍໆ, ແຕ່ມີຫຍັງເກີດຂື້ນພາຍໃນບໍລິການ?

ຜູ້ໃຊ້	ຂັ້ນຕອນ	Backend Yandex.Taxi
ເລືອກຈຸດເລີ່ມຕົ້ນ	ເຂັມ	ພວກເຮົາກໍາລັງເປີດຕົວການຄົ້ນຫາທີ່ງ່າຍດາຍສໍາລັບຜູ້ສະຫມັກ - pin search . ອີງຕາມຜູ້ຂັບຂີ່ທີ່ພົບເຫັນ, ເວລາມາຮອດແມ່ນຄາດຄະເນ - ETA ໃນ pin. ຄ່າສໍາປະສິດທີ່ເພີ່ມຂຶ້ນຢູ່ໃນຈຸດໃດຫນຶ່ງແມ່ນຄິດໄລ່.
ເລືອກປາຍທາງ, ຄ່າໂດຍສານ, ຄວາມຕ້ອງການ	ຂໍ້ສະເໜີ	ພວກເຮົາສ້າງເສັ້ນທາງແລະຄິດໄລ່ລາຄາສໍາລັບອັດຕາພາສີທັງຫມົດ, ໂດຍຄໍານຶງເຖິງຄ່າສໍາປະສິດທີ່ເພີ່ມຂຶ້ນ.
ກົດປຸ່ມ "ໂທຫາລົດແທັກຊີ".	ສັ່ງ	ພວກເຮົາເປີດຕົວການຄົ້ນຫາຢ່າງເຕັມທີ່ສໍາລັບລົດ. ພວກເຮົາເລືອກເອົາຄົນຂັບທີ່ເຫມາະສົມທີ່ສຸດແລະສະເຫນີໃຫ້ລາວສັ່ງ.

ກ່ຽວກັບ ETA ໃນ PIN, ການ​ຄິດ​ໄລ່​ລາ​ຄາ​ и ເລືອກຄົນຂັບທີ່ເຫມາະສົມທີ່ສຸດ ພວກເຮົາຂຽນແລ້ວ. ແລະນີ້ແມ່ນເລື່ອງກ່ຽວກັບການຊອກຫາຄົນຂັບ. ເມື່ອຄໍາສັ່ງຖືກສ້າງຂື້ນ, ການຄົ້ນຫາເກີດຂື້ນສອງຄັ້ງ: ໃນ Pin ແລະຄໍາສັ່ງ. ການ​ຊອກ​ຫາ​ຄໍາ​ສັ່ງ​ດໍາ​ເນີນ​ໃນ​ສອງ​ຂັ້ນ​ຕອນ​: ການ​ສະ​ຫມັກ​ຜູ້​ສະ​ຫມັກ​ແລະ​ການ​ຈັດ​ອັນ​ດັບ​. ທໍາອິດ, ຄົນຂັບລົດຜູ້ສະຫມັກທີ່ມີຢູ່ແມ່ນພົບເຫັນຜູ້ທີ່ຢູ່ໃກ້ທີ່ສຸດຕາມເສັ້ນສະແດງເສັ້ນທາງ. ຫຼັງຈາກນັ້ນ, ໂບນັດແລະການກັ່ນຕອງຖືກນໍາໃຊ້. ຜູ້ສະຫມັກທີ່ຍັງເຫຼືອແມ່ນຈັດອັນດັບແລະຜູ້ຊະນະໄດ້ຮັບການສະເຫນີຄໍາສັ່ງ. ຖ້າລາວຕົກລົງ, ລາວຖືກມອບຫມາຍໃຫ້ຄໍາສັ່ງແລະໄປຫາຈຸດສົ່ງ. ຖ້າລາວປະຕິເສດ, ຫຼັງຈາກນັ້ນການສະເຫນີຈະມາຮອດຕໍ່ໄປ. ຖ້າບໍ່ມີຜູ້ສະຫມັກຫຼາຍ, ການຄົ້ນຫາເລີ່ມຕົ້ນອີກເທື່ອຫນຶ່ງ. ນີ້ໃຊ້ເວລາບໍ່ເກີນສາມນາທີ, ຫຼັງຈາກນັ້ນຄໍາສັ່ງຖືກຍົກເລີກແລະຖືກເຜົາໄຫມ້.

ການຄົ້ນຫາໃນ Pin ແມ່ນຄ້າຍຄືກັນກັບການຄົ້ນຫາໃນຄໍາສັ່ງ, ພຽງແຕ່ຄໍາສັ່ງບໍ່ໄດ້ຖືກສ້າງຂື້ນແລະການຄົ້ນຫາຕົວມັນເອງຖືກປະຕິບັດພຽງແຕ່ຄັ້ງດຽວ. ການ​ຕັ້ງ​ຄ່າ​ທີ່​ງ່າຍ​ດາຍ​ສໍາ​ລັບ​ຈໍາ​ນວນ​ຂອງ​ຜູ້​ສະ​ຫມັກ​ແລະ​ລັດ​ສະ​ໝີ​ການ​ຊອກ​ຫາ​ຍັງ​ໄດ້​ຖືກ​ນໍາ​ໃຊ້​. ຄວາມງ່າຍດາຍດັ່ງກ່າວແມ່ນມີຄວາມຈໍາເປັນເພາະວ່າມີຄໍາສັ່ງຂອງຂະຫນາດ pins ຫຼາຍກ່ວາຄໍາສັ່ງ, ແລະການຊອກຫາແມ່ນເປັນການດໍາເນີນງານທີ່ມີຄວາມຫຍຸ້ງຍາກຫຼາຍ. ຈຸດສໍາຄັນສໍາລັບເລື່ອງຂອງພວກເຮົາ: ຖ້າໃນລະຫວ່າງການຄົ້ນຫາເບື້ອງຕົ້ນບໍ່ພົບຜູ້ສະຫມັກທີ່ເຫມາະສົມຢູ່ໃນ Pin, ຫຼັງຈາກນັ້ນພວກເຮົາບໍ່ອະນຸຍາດໃຫ້ທ່ານສັ່ງຊື້. ຢ່າງຫນ້ອຍນັ້ນຄືວິທີທີ່ມັນເຄີຍເປັນ.

ນີ້ແມ່ນສິ່ງທີ່ຜູ້ໃຊ້ໄດ້ເຫັນໃນແອັບພລິເຄຊັນ:

ຄົ້ນຫາລົດທີ່ບໍ່ມີລົດ

ມື້ຫນຶ່ງພວກເຮົາໄດ້ມີສົມມຸດຕິຖານ: ບາງທີບາງກໍລະນີຄໍາສັ່ງຍັງສາມາດສໍາເລັດ, ເຖິງແມ່ນວ່າບໍ່ມີລົດຢູ່ໃນ pin. ຫຼັງຈາກທີ່ທັງຫມົດ, ບາງຄັ້ງຜ່ານລະຫວ່າງ pin ແລະຄໍາສັ່ງ, ແລະການຄົ້ນຫາຄໍາສັ່ງແມ່ນຄົບຖ້ວນສົມບູນແລະບາງຄັ້ງຊ້ໍາອີກຫຼາຍຄັ້ງ: ໃນລະຫວ່າງເວລານີ້, ຄົນຂັບທີ່ມີຢູ່ອາດຈະປາກົດ. ພວກເຮົາຍັງຮູ້ກົງກັນຂ້າມ: ຖ້າຄົນຂັບໄດ້ຖືກພົບເຫັນຢູ່ໃນ pin, ມັນບໍ່ແມ່ນຄວາມຈິງທີ່ວ່າພວກເຂົາຈະຖືກພົບເຫັນໃນເວລາສັ່ງ. ບາງຄັ້ງພວກເຂົາຫາຍໄປຫຼືທຸກຄົນປະຕິເສດຄໍາສັ່ງ.

ເພື່ອທົດສອບສົມມຸດຕິຖານນີ້, ພວກເຮົາໄດ້ເປີດຕົວການທົດລອງ: ພວກເຮົາໄດ້ຢຸດການກວດສອບການມີລົດໃນລະຫວ່າງການຄົ້ນຫາ Pin ສໍາລັບກຸ່ມຜູ້ໃຊ້ທົດສອບ, i.e. ເຂົາເຈົ້າມີໂອກາດທີ່ຈະເຮັດ "ຄໍາສັ່ງທີ່ບໍ່ມີລົດ." ຜົນໄດ້ຮັບແມ່ນຂ້ອນຂ້າງບໍ່ຄາດຄິດ: ຖ້າລົດບໍ່ໄດ້ຢູ່ໃນ pin, ຫຼັງຈາກນັ້ນໃນ 29% ຂອງກໍລະນີມັນໄດ້ຖືກພົບເຫັນຕໍ່ມາ - ເມື່ອຄົ້ນຫາຄໍາສັ່ງ! ຍິ່ງໄປກວ່ານັ້ນ, ຄໍາສັ່ງທີ່ບໍ່ມີລົດແມ່ນບໍ່ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຈາກຄໍາສັ່ງປົກກະຕິກ່ຽວກັບອັດຕາການຍົກເລີກ, ການຈັດອັນດັບແລະຕົວຊີ້ວັດຄຸນນະພາບອື່ນໆ. ການຈອງທີ່ບໍ່ມີລົດແມ່ນກວມເອົາ 5% ຂອງການຈອງທັງຫມົດ, ແຕ່ວ່າພຽງແຕ່ຫຼາຍກວ່າ 1% ຂອງການເດີນທາງທີ່ປະສົບຜົນສໍາເລັດທັງຫມົດ.

ເພື່ອເຂົ້າໃຈວ່າຜູ້ປະຕິບັດຄໍາສັ່ງເຫຼົ່ານີ້ມາຈາກໃສ, ໃຫ້ເບິ່ງສະຖານະການຂອງພວກເຂົາໃນລະຫວ່າງການຄົ້ນຫາ Pin:

• ມີໃຫ້: ສາມາດໃຊ້ໄດ້, ແຕ່ສໍາລັບບາງເຫດຜົນບໍ່ໄດ້ລວມຢູ່ໃນຜູ້ສະຫມັກ, ຕົວຢ່າງ, ລາວຢູ່ໄກເກີນໄປ;
• ຕາມສັ່ງ: ຄ່ອຍມີເວລາ, ແຕ່ຈັດການໃຫ້ຕົນເອງເປັນອິດສະຫຼະ ຫຼືມີຢູ່ ຄໍາສັ່ງລະບົບຕ່ອງໂສ້;
• ຄາ​ວຽກ: ຄວາມສາມາດໃນການຍອມຮັບຄໍາສັ່ງຖືກປິດ, ແຕ່ຫຼັງຈາກນັ້ນຄົນຂັບໄດ້ກັບຄືນໄປຫາເສັ້ນ;
• ບໍ່​ສາ​ມາດ​ໃຊ້​ໄດ້: ຄົນຂັບລົດບໍ່ໄດ້ອອນໄລນ໌, ແຕ່ລາວປາກົດ.

ໃຫ້ເພີ່ມຄວາມຫນ້າເຊື່ອຖື

ຄໍາສັ່ງເພີ່ມເຕີມແມ່ນຍິ່ງໃຫຍ່, ແຕ່ 29% ຂອງການຄົ້ນຫາທີ່ປະສົບຜົນສໍາເລັດຫມາຍຄວາມວ່າ 71% ຂອງເວລາທີ່ຜູ້ໃຊ້ລໍຖ້າເວລາດົນນານແລະສິ້ນສຸດລົງເຖິງບໍ່ມີບ່ອນໃດ. ເຖິງແມ່ນວ່ານີ້ບໍ່ແມ່ນສິ່ງທີ່ບໍ່ດີຈາກທັດສະນະປະສິດທິພາບຂອງລະບົບ, ຕົວຈິງແລ້ວ, ມັນກໍ່ເຮັດໃຫ້ຜູ້ໃຊ້ມີຄວາມຫວັງທີ່ບໍ່ຖືກຕ້ອງແລະເສຍເວລາ, ຫຼັງຈາກນັ້ນພວກເຂົາຮູ້ສຶກເສຍໃຈແລະ (ອາດຈະ) ຢຸດເຊົາການໃຊ້ບໍລິການ. ເພື່ອແກ້ໄຂບັນຫານີ້, ພວກເຮົາໄດ້ຮຽນຮູ້ທີ່ຈະຄາດຄະເນຄວາມເປັນໄປໄດ້ທີ່ລົດໃນຄໍາສັ່ງຈະພົບເຫັນ.

ໂຄງ​ການ​ດັ່ງ​ຕໍ່​ໄປ​ນີ້​:

• ຜູ້ໃຊ້ວາງ pin.
• ການຄົ້ນຫາແມ່ນດໍາເນີນຢູ່ໃນ pin ໄດ້.
• ຖ້າບໍ່ມີລົດ, ພວກເຮົາຄາດຄະເນວ່າ: ບາງທີພວກເຂົາຈະປາກົດ.
• ແລະຂຶ້ນຢູ່ກັບຄວາມເປັນໄປໄດ້, ພວກເຮົາອະນຸຍາດໃຫ້ຫຼືບໍ່ອະນຸຍາດໃຫ້ທ່ານສັ່ງຊື້, ແຕ່ພວກເຮົາເຕືອນທ່ານວ່າຄວາມຫນາແຫນ້ນຂອງລົດໃນເຂດນີ້ໃນເວລານີ້ແມ່ນຕໍ່າ.

ໃນ​ຄໍາ​ຮ້ອງ​ສະ​ຫມັກ​ມັນ​ເບິ່ງ​ຄື​ນີ້​:

ການນໍາໃຊ້ຕົວແບບຊ່ວຍໃຫ້ທ່ານສ້າງຄໍາສັ່ງໃຫມ່ໄດ້ຢ່າງຖືກຕ້ອງແລະບໍ່ຮັບປະກັນຄົນທີ່ບໍ່ມີປະໂຫຍດ. ນັ້ນແມ່ນ, ເພື່ອຄວບຄຸມອັດຕາສ່ວນຄວາມຫນ້າເຊື່ອຖືແລະຈໍານວນຄໍາສັ່ງທີ່ບໍ່ມີເຄື່ອງຈັກໂດຍໃຊ້ຮູບແບບການເອີ້ນຄືນຄວາມແມ່ນຍໍາ. ຄວາມຫນ້າເຊື່ອຖືຂອງການບໍລິການມີອິດທິພົນຕໍ່ຄວາມປາຖະຫນາທີ່ຈະສືບຕໍ່ນໍາໃຊ້ຜະລິດຕະພັນ, i.e. ໃນທີ່ສຸດມັນທັງຫມົດລົງກັບຈໍານວນການເດີນທາງ.

ເລັກນ້ອຍກ່ຽວກັບຄວາມແມ່ນຍໍາ-recallຫນຶ່ງໃນວຽກງານພື້ນຖານໃນການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນວຽກງານການຈັດປະເພດ: ການມອບຫມາຍວັດຖຸໃຫ້ຫນຶ່ງໃນສອງຫ້ອງຮຽນ. ໃນກໍລະນີນີ້, ຜົນໄດ້ຮັບຂອງລະບົບການຮຽນຮູ້ເຄື່ອງຈັກມັກຈະກາຍເປັນການປະເມີນຕົວເລກຂອງສະມາຊິກໃນຊັ້ນຮຽນຫນຶ່ງ, ສໍາລັບຕົວຢ່າງ, ການປະເມີນຄວາມເປັນໄປໄດ້. ຢ່າງໃດກໍຕາມ, ການປະຕິບັດທີ່ປະຕິບັດແມ່ນປົກກະຕິແລ້ວເປັນຄູ່: ຖ້າລົດມີ, ພວກເຮົາຈະໃຫ້ທ່ານສັ່ງມັນ, ແລະຖ້າບໍ່, ພວກເຮົາຈະບໍ່. ເພື່ອໃຫ້ມີຄວາມສະເພາະ, ໃຫ້ໂທຫາສູດການຄິດໄລ່ທີ່ຜະລິດຕົວເລກປະມານແບບຈໍາລອງ, ແລະຕົວຈັດປະເພດກົດລະບຽບທີ່ກໍານົດມັນໃຫ້ກັບຫນຶ່ງໃນສອງຊັ້ນຮຽນ (1 ຫຼື -1). ເພື່ອເຮັດໃຫ້ການຈັດປະເພດໂດຍອີງໃສ່ການປະເມີນແບບຈໍາລອງ, ທ່ານຈໍາເປັນຕ້ອງເລືອກຂອບເຂດການປະເມີນ. ແນວໃດແທ້ແມ່ນຂຶ້ນກັບວຽກງານຢ່າງຫຼວງຫຼາຍ.

ສົມມຸດວ່າພວກເຮົາກໍາລັງເຮັດການທົດສອບ (ຕົວຈັດປະເພດ) ສໍາລັບບາງພະຍາດທີ່ຫາຍາກແລະອັນຕະລາຍ. ອີງຕາມຜົນການທົດສອບ, ພວກເຮົາສົ່ງຄົນເຈັບໄປກວດຢ່າງລະອຽດ, ຫຼືເວົ້າວ່າ: "ດີ, ໄປເຮືອນ." ສໍາລັບພວກເຮົາ, ການສົ່ງຄົນເຈັບກັບບ້ານແມ່ນຮ້າຍແຮງກວ່າເກົ່າຫຼາຍກ່ວາການກວດສຸຂະພາບທີ່ບໍ່ຈໍາເປັນ. ນັ້ນແມ່ນ, ພວກເຮົາຕ້ອງການໃຫ້ການທົດສອບເຮັດວຽກສໍາລັບຄົນປ່ວຍທີ່ແທ້ຈິງຫຼາຍເທົ່າທີ່ເປັນໄປໄດ້. ຄ່ານີ້ເອີ້ນວ່າ recall =. ການຈັດປະເພດທີ່ເຫມາະສົມມີການເອີ້ນຄືນຂອງ 100%. ສະຖານະການທີ່ເສື່ອມໂຊມແມ່ນຈະສົ່ງທຸກຄົນໄປກວດ, ຫຼັງຈາກນັ້ນການເອີ້ນຄືນກໍ່ຈະເປັນ 100%.

ມັນຍັງເກີດຂື້ນໃນທາງອື່ນ. ຕົວຢ່າງ, ພວກເຮົາກໍາລັງສ້າງລະບົບການທົດສອບສໍາລັບນັກຮຽນ, ແລະມັນມີເຄື່ອງກວດຈັບການໂກງ. ຖ້າຫາກວ່າທັນທີທັນໃດການກວດສອບບໍ່ໄດ້ເຮັດວຽກສໍາລັບບາງກໍລະນີຂອງການໂກງ, ຫຼັງຈາກນັ້ນນີ້ແມ່ນບໍ່ພໍໃຈ, ແຕ່ບໍ່ສໍາຄັນ. ໃນທາງກົງກັນຂ້າມ, ມັນເປັນສິ່ງທີ່ບໍ່ດີທີ່ສຸດທີ່ຈະກ່າວຫານັກຮຽນຢ່າງບໍ່ຍຸຕິທໍາກ່ຽວກັບບາງສິ່ງບາງຢ່າງທີ່ພວກເຂົາບໍ່ໄດ້ເຮັດ. ນັ້ນແມ່ນ, ມັນເປັນສິ່ງສໍາຄັນສໍາລັບພວກເຮົາວ່າໃນບັນດາຄໍາຕອບໃນທາງບວກຂອງຜູ້ຈັດປະເພດມີຄໍາທີ່ຖືກຕ້ອງຫຼາຍເທົ່າທີ່ເປັນໄປໄດ້, ບາງທີອາດເຮັດໃຫ້ຕົວເລກຂອງພວກເຂົາເສຍຫາຍ. ນີ້ຫມາຍຄວາມວ່າທ່ານຕ້ອງການ maximize ຄວາມແມ່ນຍໍາ = . ຖ້າ triggering ເກີດຂຶ້ນກັບວັດຖຸທັງຫມົດ, ຫຼັງຈາກນັ້ນຄວາມແມ່ນຍໍາຈະເທົ່າກັບຄວາມຖີ່ຂອງຫ້ອງຮຽນທີ່ກໍານົດໄວ້ໃນຕົວຢ່າງ.

ຖ້າ algorithm ຜະລິດມູນຄ່າຄວາມເປັນໄປໄດ້ຂອງຕົວເລກ, ຫຼັງຈາກນັ້ນໂດຍການເລືອກຂອບເຂດທີ່ແຕກຕ່າງກັນ, ທ່ານສາມາດບັນລຸຄ່າຄວາມແມ່ນຍໍາ - recall ທີ່ແຕກຕ່າງກັນ.

ໃນບັນຫາຂອງພວກເຮົາ, ສະຖານະການແມ່ນດັ່ງຕໍ່ໄປນີ້. Recall ແມ່ນຈໍານວນຄໍາສັ່ງທີ່ພວກເຮົາສາມາດສະເຫນີ, ຄວາມແມ່ນຍໍາແມ່ນຄວາມຫນ້າເຊື່ອຖືຂອງຄໍາສັ່ງເຫຼົ່ານີ້. ນີ້ແມ່ນສິ່ງທີ່ເສັ້ນໂຄ້ງການເອີ້ນຄືນຄວາມຊັດເຈນຂອງຕົວແບບຂອງພວກເຮົາເບິ່ງຄືວ່າ:

ມີສອງກໍລະນີທີ່ຮຸນແຮງ: ຫ້າມບໍ່ໃຫ້ຜູ້ໃດສັ່ງແລະອະນຸຍາດໃຫ້ທຸກຄົນສັ່ງ. ຖ້າທ່ານບໍ່ອະນຸຍາດໃຫ້ໃຜ, ຫຼັງຈາກນັ້ນ recall ຈະເປັນ 0: ພວກເຮົາບໍ່ສ້າງຄໍາສັ່ງ, ແຕ່ບໍ່ມີພວກມັນຈະລົ້ມເຫລວ. ຖ້າພວກເຮົາອະນຸຍາດໃຫ້ທຸກຄົນ, ຫຼັງຈາກນັ້ນ recall ຈະເປັນ 100% (ພວກເຮົາຈະໄດ້ຮັບຄໍາສັ່ງທີ່ເປັນໄປໄດ້ທັງຫມົດ), ແລະຄວາມແມ່ນຍໍາຈະເປັນ 29%, i.e. 71% ຂອງຄໍາສັ່ງຈະບໍ່ດີ.

ພວກເຮົາໃຊ້ຕົວກໍານົດການຕ່າງໆຂອງຈຸດເລີ່ມຕົ້ນເປັນສັນຍານ:

• ເວລາ/ສະຖານທີ່.
• ສະຖານະຂອງລະບົບ (ຈໍານວນເຄື່ອງຈັກທີ່ຄອບຄອງຂອງອັດຕາພາສີ ແລະເຂັມຂັດທັງໝົດໃນເຂດໃກ້ຄຽງ).
• ຕົວກໍານົດການຄົ້ນຫາ (ລັດສະໝີ, ຈໍານວນຜູ້ສະຫມັກ, ຂໍ້ຈໍາກັດ).

ເພີ່ມເຕີມກ່ຽວກັບອາການ

ຕາມແນວຄວາມຄິດ, ພວກເຮົາຕ້ອງການຈໍາແນກລະຫວ່າງສອງສະຖານະການ:

• "ປ່າເລິກ" - ບໍ່ມີລົດຢູ່ທີ່ນີ້ໃນເວລານີ້.
• “ໂຊກ​ດີ” - ມີ​ລົດ, ແຕ່​ໃນ​ເວ​ລາ​ທີ່​ຊອກ​ຫາ​ບໍ່​ມີ​ທີ່​ເຫມາະ​ສົມ.

ຕົວຢ່າງຫນຶ່ງຂອງ "ໂຊກບໍ່ດີ" ແມ່ນຖ້າມີຄວາມຕ້ອງການຫຼາຍຢູ່ໃນສູນໃນຕອນແລງວັນສຸກ. ມີຄໍາສັ່ງຫຼາຍ, ຫຼາຍຄົນເຕັມໃຈ, ແລະບໍ່ມີຄົນຂັບພຽງພໍສໍາລັບທຸກຄົນ. ມັນອາດຈະກາຍເປັນແບບນີ້: ບໍ່ມີໄດເວີທີ່ເຫມາະສົມໃນ pin. ແຕ່ຮູ້ຫນັງສືພາຍໃນວິນາທີພວກເຂົາປາກົດ, ເພາະວ່າໃນເວລານີ້ມີຜູ້ຂັບຂີ່ຈໍານວນຫຼາຍຢູ່ໃນສະຖານທີ່ນີ້ແລະສະຖານະພາບຂອງພວກເຂົາມີການປ່ຽນແປງຢ່າງຕໍ່ເນື່ອງ.

ດັ່ງນັ້ນ, ຕົວຊີ້ວັດລະບົບຕ່າງໆໃນເຂດໃກ້ຄຽງຂອງຈຸດ A ໄດ້ກາຍເປັນລັກສະນະທີ່ດີ:

• ຈຳນວນລົດທັງໝົດ.
• ຈຳນວນລົດຕາມສັ່ງ.
• ຈຳນວນລົດທີ່ບໍ່ສາມາດສັ່ງໄດ້ໃນສະຖານະ “ບໍ່ຫວ່າງ”.
• ຈໍານວນຜູ້ໃຊ້.

ຫຼັງຈາກທີ່ທັງຫມົດ, ມີລົດຫຼາຍ, ຄວາມເປັນໄປໄດ້ຫຼາຍແມ່ນວ່າຫນຶ່ງໃນນັ້ນຈະກາຍເປັນທີ່ມີຢູ່.
ໃນຄວາມເປັນຈິງ, ມັນເປັນສິ່ງສໍາຄັນສໍາລັບພວກເຮົາທີ່ບໍ່ພຽງແຕ່ລົດຢູ່, ແຕ່ຍັງການເດີນທາງທີ່ປະສົບຜົນສໍາເລັດ. ດັ່ງນັ້ນ, ມັນເປັນໄປໄດ້ທີ່ຈະຄາດຄະເນຄວາມເປັນໄປໄດ້ຂອງການເດີນທາງທີ່ປະສົບຜົນສໍາເລັດ. ແຕ່ພວກເຮົາໄດ້ຕັດສິນໃຈທີ່ຈະບໍ່ເຮັດສິ່ງນີ້, ເພາະວ່າມູນຄ່ານີ້ຂຶ້ນກັບຜູ້ໃຊ້ແລະຄົນຂັບລົດຢ່າງຫຼວງຫຼາຍ.

ສູດການສອນແບບຈໍາລອງແມ່ນ CatBoost. ຂໍ້ມູນທີ່ໄດ້ຮັບຈາກການທົດລອງໄດ້ຖືກນໍາໃຊ້ສໍາລັບການຝຶກອົບຮົມ. ຫຼັງຈາກການປະຕິບັດ, ຂໍ້ມູນການຝຶກອົບຮົມຕ້ອງໄດ້ຮັບການເກັບກໍາ, ບາງຄັ້ງອະນຸຍາດໃຫ້ຜູ້ໃຊ້ຈໍານວນນ້ອຍທີ່ຈະສັ່ງຕໍ່ກັບການຕັດສິນໃຈຂອງຕົວແບບ.

ຜົນໄດ້ຮັບ

ຜົນໄດ້ຮັບຂອງການທົດລອງແມ່ນເປັນໄປຕາມທີ່ຄາດໄວ້: ການນໍາໃຊ້ຕົວແບບຊ່ວຍໃຫ້ທ່ານສາມາດເພີ່ມຈໍານວນການເດີນທາງທີ່ປະສົບຜົນສໍາເລັດຢ່າງຫຼວງຫຼາຍເນື່ອງຈາກຄໍາສັ່ງທີ່ບໍ່ມີລົດ, ແຕ່ບໍ່ມີຄວາມຫນ້າເຊື່ອຖື.

ໃນປັດຈຸບັນ, ກົນໄກດັ່ງກ່າວໄດ້ຖືກເປີດຕົວໃນທຸກເມືອງແລະປະເທດແລະການຊ່ວຍເຫຼືອຂອງມັນ, ປະມານ 1% ຂອງການເດີນທາງທີ່ປະສົບຜົນສໍາເລັດເກີດຂື້ນ. ຍິ່ງໄປກວ່ານັ້ນ, ໃນບາງຕົວເມືອງທີ່ມີຄວາມຫນາແຫນ້ນຂອງລົດຕ່ໍາ, ສ່ວນແບ່ງຂອງການເດີນທາງດັ່ງກ່າວບັນລຸ 15%.

ຂໍ້ຄວາມອື່ນໆກ່ຽວກັບເທັກໂນໂລຍີ taxi

• ວິທີການທີ່ພວກເຮົາແຈກຢາຍຄໍາສັ່ງລະຫວ່າງຄົນຂັບລົດໃນ Yandex.Taxi
• ລາຄາແບບໄດນາມິກ, ຫຼືວິທີການ Yandex.Taxi ຄາດຄະເນຄວາມຕ້ອງການສູງ
• ວິທີການນໍາໃຊ້ວິໄສທັດຄອມພິວເຕີເພື່ອປະເມີນສະພາບຂອງລົດ. ປະສົບການ Yandex.Taxi
• Yandex.Taxi ຄາດຄະເນເວລາຮັບລົດໂດຍໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກແນວໃດ

ແຫຼ່ງຂໍ້ມູນ: www.habr.com