聚类分析的项目定价规律模型

来源：核心期刊咨询网时间：2018-08-11 14:4812

摘要：摘 要：本文针对众包服务中的拍照赚钱定价问题，通过k-means聚类分析研究项目的定价规律并分析失败的原因。首先对进行数据预处理，再依据经纬度位置信息，抽象出每项任务位置与所有会员位置之间的最短距离和所有任务的中心位置与每项任务的位置间的距离两个

　　摘　要：本文针对众包服务中的拍照赚钱定价问题，通过k-means聚类分析研究项目的定价规律并分析失败的原因。首先对进行数据预处理，再依据经纬度位置信息，抽象出每项任务位置与所有会员位置之间的最短距离和所有任务的中心位置与每项任务的位置间的距离两个自变量和价格作为因变量，通过MATLAB进行多元线性回归。并对其进行F检验和r检验，检验通过，说明本文提出的价值规律合理。

　　关键词：统计回归　k-means聚类分析　MATLAB

　　自助式服务模式的优势在于发布任务比较及时迅速，用户可以在业余时间顺路完成，而相对位置较为偏僻或者地形高程信息复杂的项目，很有可能无人问津;如果任务定价不合理，那么任务完成度就会比较低，也不利于APP的进一步推广和商家获得信息的及时准确性。因此，对众包定价问题建立合适的定价模型尤为重要。

　　1模型准备

　　本文中在指标和数据时，主要从它们之间的经纬度位置方面入手，初步拟选择两个二级变量，即在现有的变量数据上按照公式进行加工处理，分别是任务与任务之间的距离、任务与会员之间的距离。

　　得到这两个对象的经纬度信息之后，按照Haversine公式将其换算成实际距离，商家在考虑定价的时候，必然会考虑任务点的位置，在此，本文拟通过k-means聚类法将其聚为一类，找到它们的中心，而其他位置点相对该中心点的距离作为一个自变量。从商家对任务完成的角度看，商家发布任务时的目标人群应当是距离为该任务到所有会员之间最短距离的会员，将这个最短距离作为另一自变量。

　　综上所述，本文首先选择每项任务与所有会员之间的最短距离，和所有任务的中心位置与每项任务的位置之间的距离作为两个自变量，和价格作为因变量进行初步拟合。如果效果较好，则能得出所求的定价规律。

　　2模型建立及检验

　　本文将筛选出来任务成功的项目作为研究对象，共有522个，将每项任务与所有会员之间的最短距离作为自变量，所有任务之间进行k-means聚类法将其聚为一类，找到它们的中心，并把中心位置与每项任务的位置之间的距离作为自变量，将任务定价作为因变量。采取将其划分为训练集和测试集的方式，随机选取472个数据作为训练集进行回归拟合，剩下的50个数据作为测试集，计算它们的相对误差。

　　在对回归模型进行检验时采用了F检验和r检验，选取置信度水平为0.05，将得到上述模型的检验统计量即stats值：

　　通过上述模型，运用计算机对模型进行残差分析如图1所示。

　　

　　很明显，只有少数定价为80、85的个例使得回归预测值较小，从而产生较大的误差，但是相对472个数据而言，这些超出预测的值可能是由于其他因素造成的，总体上达到了问题要求。

　　

　　通过上述的统计值检验，已经确认较好的实现了回归拟合，而且，通过后面50组数据测试得知，只有极少个数据差异达到17%左右，其它数据的误差在7%之内，所以不需要再进行更多因素的增加来对回归进行优化。

　　3模型分析

　　从内在原因来说，会员对“拍照任务”的可感知价格和实际支付价格之间存在较大落差，该任务不能够满足会员的需求，因而会员选择不接受任务，导致任务未完成。从外在原因来说，则影响因素较多，主要有以下3点。

　　(1)地形和交通。由于“拍照任务”是面向网络大众的任务，因此接受任务的人数不仅众多，而且分布相对较为广泛。但同时又受制于地形的影响，各处的交通亦不尽相同。

　　(2)经济发展水平。经济发展水平直接影响会员的数量，而会员数量又会影响任务完成的程度。在经济发展水平较高的地区，人们对电子产品的应用率更大，对于类似的“拍照任务”，人们接受程度更高。由于此地区会员保持着随意心态对待任务，则降低了任务的完成率。

　　(3)道路构成情况。城市中交通网络纵横，顺延道路而在发展经济。在交通的带动下，会员接受任务的分布到交通点上任意一点。交通线越为复杂和多样，则经济发展则越为繁荣，会员的人数也会越多。

　　4结论

　　本文运用k-means聚类的方法对任务位置和会员位置进行分类，清楚明白的将两个因素进行分类，模型通过对任务点的位置进行分类处理，可以清楚的分析出没有打包的任务的模型和打包任务模型对任务分配与定价系统的影响，为解决APP拍照赚钱问题提供了良好的价值规律模型。

转载请注明来自：http://www.qikan2017.com/lunwen/jgu/12375.html