基于网上拍卖的最终成交价格预测

发布时间：2024-06-30 11:16

　　由于网上拍卖的流行,对网上拍卖商品最终成交价格的预测,就显得尤为重要.通过预测,投标者和卖家都可以获得有用的信息,更好的掌握拍卖动态和规则,使拍卖得以顺利进行.就本文而言,我们使用Ebay上的历史拍卖数据对最终成交价格进行了预测,将最终成交价格分为连续型价格和离散型价格.对于连续型价格的预测,为了消除属性之间的相关性,需要先构建新的属性,然后使用多元逐步回归对所有属性进行选择,最终选出对最终成交价格影响较大的属性,利用回归树建立预测模型,将最终成交价格分为只包含300美元以下部分和包含所有成交价格两部分分别进行预测,我们发现这样可以提高模型准确率又不损失数据集的有用信息.文章采用均方误差根和平均绝对百分比误差作为衡量指标与当下几个流行的机器学习算法(本文选用多元线性回归模型,多层感知机模型,K最近邻模型)进行比较;对于离散型价格的预测,我们将其看成一个分类问题,使用极端梯度提升(XGBoost)建立模型并进行预测,同时将该模型与逻辑斯蒂回归模型(Logistic Regression)进行比较,使用准确率作为衡量指标,通过十次迭代之后,取最后一次的准确率为模型准确率的最终结果,最后得出...

【文章页数】：44 页

【学位级别】：硕士

【部分图文】：

图3.1Microsoft-BoxEbay拍卖页面3.2数据预处理

州大学硕士学位论文基于网上拍卖的最终成交价格预测图3.1Microsoft-BoxEbay拍卖页面3.2数据预处理3.2.1数据的重编码这一小节,我们首先对原有数据进行重新编码.因为数据集中条件这一列是字符串形式的,所以在建模之前将数据集中的“条件”变量重新编码为0,1....

图3.2SalePrice与Time的关系图

州大学硕士学位论文基于网上拍卖的最终成交价格预测图3.2SalePrice与Time的关系图3.2.2缺失值处理因为此数据集中“邮费”这一属性包含缺失值,所以在进行建模之前,要对缺失值进行填充.本文选取K最近邻法填充缺失值，因为基于K个最近邻的缺失值填充算法考虑到了属性上下....

图3.3买卖双方对应关系图

i},很显然,ｍ和ｎ之间存在着一对多的关系,它们之间的关系可以通过图3.3清晰的看出.13

图4.5每个回归模型的RMSE(t1)2(t1)

图4.5每个回归模型的RMSEgi=y(t1)l(yi,y(t1)),hi=2y(t1)l(yi,y(t1)),由于前t-1棵树的预测分数与y的残差对目标函数优化不影响,将其直接去掉,将目标函数简化为:(t)=n∑i=1[gi×ft(xi)+1....

本文编号：3998695