基于支持向量机的在线拍卖成交价格预测方法

针对现有在线拍卖成交价格预测方法计算时间长的问题,依据淘宝网在线拍卖出价特点,建立了一种全新的在线拍卖成交价格预测方法.方法以支持向量机分类算法为基础,通过预测出价次数间接对成交价格进行预测.利用编写程序收集淘宝网在线拍卖交易数据3 310条,对应有效出价记录8 275条,以之作为实验数据.实验证明,预测结果明显优于平均值预测,并有22.1%的预测结果完全准确.由于训练时间仅为数秒,为建立实时在线拍卖成交价格预测决策支持系统奠定了基础.

基于Ebay网上拍卖的最终成交价格预测

本文通过爬虫技术爬取Ebay上的拍卖数据,对其进行清洗并构建指标体系,建立回归树预测模型,将最终价格进行分段预测,即小于等于$300和所有最终价格,这样处理能有效提高预测准确率而保留数据集94%的信息.选取均方误差根、平均相对误差和Theil不等系数作为评估指标,通过十次迭代,取其平均值作为三个评估指标最终值,比较发现回归树模型有更好的预测结果。

基于XGBoost的Ebay网上拍卖最终成交价格预测

对成交价格进行预测,旨在获得Ebay拍卖品的价格动态,使买卖双方更好地进行交易。将价格区间进行多分类划分和多次最优参数选择,建立极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,并与最优逻辑斯蒂回归模型比较,使用平均准确率作为模型的评估指标。经比较发现XGBoost模型达到90.55%的准确率,明显优于逻辑斯蒂回归模型。此外通过十次迭代,分别得到两个模型的准确率变化趋势,结果显示Xgboost具有更高的准确率。