[发明专利]一种用于确定商品定价模型的方法、系统及设备

说明书

本申请通过一种用于确定商品定价模型的方法、系统及设备，确定与商品定价相关的N个商品属性；基于所述N个商品属性，构建N元线性回归模型；基于所述N元线性回归模型及获取的N个与商品属性对应的基础价格，确定所述已销售商品样本的预测销售价格，并基于若干已销售商品样本的实际销售价格及其预测销售价格，进行拟合度判断及显著性检验；持续调试所述N元线性回归模型，直至获得的拟合度对应的可决系数符合第一预设阈值及显著性检验结果符合预设显著性水平，将基于最后一次调整的样本偏回归系数的N元线性回归模型确定为商品定价模型。通过该方法得到的用于商品智能定价的商品定价模型，可高效地确定更合理的商品定价。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种用于确定商品定价模型的技术。

背景技术

目前二手商品如二手手机，由于商品成色磨损等情况各不相同，每个二手商品的定价也各不相同。而现有市场上主要是通过随机森林模型、神经网络模型或者XGBoost模型，依据宏观的数据指标来对二手商品某个大类的价格或者后期的价格趋势进行预测。

目前没有针对单个或某类具有具体商品特征的二手商品的智能定价模型，现有针对单个或某类具体二手商品主要是通过人工方式按照经验定价，这种定价方式的准确度低且效率低下。

发明内容

本申请的目的是提供一种用于确定商品定价模型的方法、系统及设备，用以解决单个或某类具有具体商品特征的二手商品的智能定价的技术问题。

根据本申请的一个方面，提供了一种用于确定商品定价模型的方法，其中，所述方法包括：

确定与商品定价相关的N个商品属性；

基于所述N个商品属性，构建N元线性回归模型y＝b₀+b₁x₁+b₂x₂+...+b_Nx_N+β，其中，b₀为常量，b₁、b₂……b_N为样本偏回归系数，x₁、x₂……x_N为商品的N个商品属性对应的基础价格，β为误差项；

获取已销售商品样本的实际销售价格及N个与商品属性对应的基础价格；

基于所述N元线性回归模型及所述N个与商品属性对应的基础价格，确定所述已销售商品样本的预测销售价格，并基于若干已销售商品样本的实际销售价格及其预测销售价格，进行拟合度判断及显著性检验；

若获得的拟合度对应的可决系数不符合第一预设阈值及显著性检验结果不符合预设显著性水平，调整所述N元线性回归模型的样本偏回归系数；

持续调试所述N元线性回归模型，直至获得的拟合度对应的可决系数符合第一预设阈值及显著性检验结果符合预设显著性水平，将基于最后一次调整的样本偏回归系数的N元线性回归模型确定为所述商品定价模型。

可选地，其中，各样本偏回归系数之间非共线性。

可选地，其中，对所述各样本偏回归系数之间非共线性的判断包括：

对由各样本偏回归系数组成的样本进行显著性T检验，若检验结果符合第二预设阈值，则各样本偏回归系数之间非线性。

可选地，其中，所述第二预设阈值是T检验结果对应的概率小于等于0.05。

可选地，其中，所述N元线性回归模型的误差项是期望值为0的正态分布随机变量，其中，各样本的误差项之间不相关。

可选地，其中，所述基于若干已销售商品样本的实际销售价格及其预测销售价格，进行拟合度判断及显著性检验包括：