问题标签 [logistics]

你们对现代可扩展预订系统的工作方式有任何经验吗？例如机场或运输机构？

我们刚刚发现客户的预订系统存在严重缺陷。他们为每个搜索旅行连接的用户保留座位。这意味着如果运输能力是例如 200 并且有 200 人搜索相同的行程，所有这些人都得到了预订（超时例如 5 分钟），所以如果有营销活动并且〜成千上万的人访问该网站，他们实际上看不到大多数搜索的行程因为其他用户已经“保留”了。这是不可扩展的。

我不敢相信它会以这种方式工作，但那是真正的应用程序架构。您将如何理想地处理预订情况？

更复杂的是，从“保留”座位的数量计算价格，因此每个用户的价格都不同（价格随着座位预订的变化而变化）。

当然，我们会尝试撕掉那个预先预订的步骤，但是有些人会在预订前的最后一步被拒绝，所以这将是不利的......

我想在 R 中运行嵌套逻辑回归，但我在网上找到的示例并没有太大帮助。我阅读了这个网站上的一个例子（关于如何在 R 中运行嵌套逻辑回归的逐步过程），这与我的问题相似，但我发现它最终似乎没有解决（提问者报告了错误，我没有看不到更多答案）。

所以我有 9 个预测变量（连续分数）和 1 个分类因变量（DV）。DV被称为“效果”，它可以分为2大类：“负（0）”和“正（1）”。我知道如何运行一个简单的二元 logit 回归（使用一般分组方式，即负 (0) 和正 (1)），但这还不够。“积极”可以进一步分为两种类型：“身体（1）”和“精神（2）”。所以我想运行一个嵌套模型，它包括这 3 个类别（负（0）、物理（1）和心理（2）），并反映“物理”和“心理”嵌套在“正”中的性质。也许 R 可以将这两个模型（一般与详细）一起比较？于是我新建了两个栏目，一个叫“效果通用”，其中个人得分为“负（0）”和“正（1）”；另一个称为“效果详细”，它包含 3 个值 - 负 (0)、物理 (1) 和心理 (2)。我只使用“效果一般”运行了一个简单的二进制 logit 回归，但我不知道如何为“效果详细”运行嵌套 logit 模型。

从我搜索的示例和其他材料来看，R 包“mlogit”似乎是正确的，但我不知道如何使它适用于我的数据。我不太了解 R-help 中的示例，以及我之前提到的本网站示例中的这一部分 (...shape='long', alt.var='town.list', nests=list(town .list)...) 让我很困惑：我可以看到我的数据形状应该是“宽的”，但我不知道“alt.var”和“nests”是什么......

我还查看了 mlogit 手册的第 19 页，了解嵌套 logit 模型调用的示例。但我仍然无法决定我需要什么选项。（http://cran.r-project.org/web/packages/mlogit/mlogit.pdf）

有人可以为我提供有关如何操作的详细步骤和说明吗？我相信这个例子（如果得到很好的讨论和解决）也会对我和其他人有很大帮助！

谢谢你的帮助！！！

我试图弄清楚如何计算我的工作可以放入一个集装箱中的箱子数量。有谁知道我如何用 Python 做到这一点？这里有一个例子：

http://www.searates.com/reference/stuffing/

基本上，为和user输入一些不同的维度。then 将返回它的完整程度或每个可以添加多少。它还将计算整个单元。boxesquantitiesweightsprogramcontainerboxweights

更理想的是，将是一张描述它是如何包装的图片。

我们是一家小型物流公司，希望能够为客户提供一种方法，使用他们在我们共享数据库中的数据（受数据库中构建的关系限制）以及我们将为其构建的一些标准报告生成自定义报告他们。

我们研究了 iDashboards 和 LogiAnalytics，但价格标签很大，而且 iDashboards 对用户会话的限制直接阻碍了我们处理用户登录的方式（一家公司可能有 10 个人使用相同的用户/通行证），因此“永久命名会话”是非常不可接受的。

使用数据生成地图（如美国地图）并深入到城市、县或邮政编码级别的能力也是必须的（尽管我会考虑让我轻松添加此功能的软件）。

我一直在搜索和搜索，到目前为止还没有找到任何看起来有用的东西，我希望那里有人使用过他们喜欢的东西并可以提出建议。

如果我可以提供有关我们的要求或需求的更多信息，请告诉我，我很乐意编辑。

我正在使用 Weka 使用已知二元结果的训练数据执行逻辑回归。它的表现相当不错，可以正确分类大约 80% 的实例。我还有一个使用当前数据的数据集，其中结果未知。当我使用当前数据和输出预测运行模型时，它会将每个实例分类为是或否，并提供错误和概率分布项（其中错误 + 概率分布 = 1）。我无法理解这些结果。有人可以帮我解释我应该如何解释它们吗？我注意到该模型仅在概率分布低于 0.5 时才猜测是。这是否意味着我应该将其解读为结果是肯定的 1 概率分布？

我正在使用 R 中引导库的 cv.glm 交叉验证过程测试逻辑回归的性能。

我的一些预测变量是因素。

当我运行它时，我收到以下错误消息：

我想我理解这个问题。可能是我在不存在某些水平的因子变量的观察子集上训练回归模型。如果这个模型后来被用于新的观察，包括预测变量的看不见的水平，那么它不知道如何表现。

由于这在我看来像是一个基本的 CV 问题，我很惊讶我没有在库文档中找到任何提及。

我将不胜感激任何指针。

我正在尝试绘制逻辑回归的经验概率。我的数据是学生的作业分数范围从 0 到 20。响应是他们是否通过了期末考试，1 表示通过，0 表示不及格。

我想从我的数据中知道，作业中获得18-20、16-18等的学生期末考试的通过率是多少？

我假设我可以通过几个循环来实现这一点，但看起来很复杂。有谁知道更简单的方法？提前致谢。

我有一个包含 3 列的电子表格：order type、order date和target ship date. 有 4 种订单类型：USA、USAPriority、 Canada和Med。

每种订单类型仅在特定日期发货。

• 美国订单类型可以在订单日期后 2 天发货，
• USAPriority 在订单日期后的第二天发货。
• 加拿大订单每周四发货，如果在周三上午 11:59 之前收到，
• 如果在周二上午 11:59 之前收到 Med 订单，则每周三发货。

我想编写一个代码，根据订单类型和订单日期生成目标发货日期。

我在使用 polr 功能时遇到了一些麻烦。

这是我拥有的数据的一个子集：

我给你的子集工作正常！但是我的整个数据集和其中的一些子集不起作用！除了数量之外，我在我的数据中找不到与该子集不同的任何内容。所以，这是我的问题：在级别数方面是否有任何限制，例如会产生以下错误消息：

和通知消息：

（我必须将这两条信息翻译成英文，所以它们可能不是 100% 正确的）

我有时只收到通知消息，有时一切都很好，具体取决于我使用的数据子集。

我的 rep 变量总共有 101 个信息级别（除了我描述的那种数据之外什么都不包含）

所以这是一个可怕的问题，因为我不能给你我的完整数据集，而且我不知道问题出在哪里。多亏了这些信息，您能猜出我的问题出在哪里吗？

谢谢

我有这样的训练数据集：

前 4 列是一个样本的特征，最后一列是它的输出。

我以这种方式使用 scikit：

我认为逻辑回归总是应该给出一个介于 0 和 1 之间的概率数。