神经网络算法对车牌价格的预测

声明：

    本篇博客纯粹是技术的探讨。

1、前言

    北京、上海、深圳、杭州等不少城市都对小客车增量进行调控，获取车牌的其中一个办法是竞价，那么是哪些因素决定着车牌的价格呢？是否有算法能够预测车牌的价格呢？本篇博客尝试着作一些探讨。

2、因子选择

    如下是杭州21个月车牌竞价相关数据

    一、物品价值的本质

    物品的价值的大小，本质上而言是人类在共同认知下所赋予的，对人类生活起着重要影响的物品，人类确定会在共同的认知下赋予其价值，例如衣食住行相关的各类物品。至于价值的多少，大部分状况下都是由供需关系决定，比方说常听到的“物以稀为贵”、“洛阳纸贵”这些话，都是反映了供需关系决定了价格。

    对于上面车牌竞价数据，反映供需关系的因素咱们应该拿出来做为因子，那么很容易看出，【有效编码数】是反映了“需”的因素（【申请编码数】因为不是所有审核经过的因素，因此不能做为因子），【投放指标数】是反映了“供”的因素。

    二、平均报价

    【平均报价】反映的是人们对车牌的一个心理价位，固然也有人是抱着试试看，一直报最低价，假设全部人都报最低价，平均值确定是最低价。事实上，并不是如此，绝大多数人，会按照本身所承认的车牌价格来报价，那么平均报价，本质而言反映的是人们所共同承认的价值。

    那么两次平均报价，确定应该本选择为因子。

    那么最终选择出来的因子以下：

    【投放指标数】、【有效编码数】、【第一次播报均价】、【第二次播报均价】

3、数据集的选择

    仔细观察数据，16年和17年数据不论是均价、仍是最低成交价，都有很大差异，那么反映了人们所共同认知的车牌价值是不一样的，因此，选定2017年1月的数据到2018年2月的数据为数据集。

4、模型

    目标：预测出本月车牌的最低成交价

    【投放指标数】、【有效编码数】、【第一次播报均价】、【第二次播报均价】这四个指标影响着车牌价格，具体是怎么样影响的呢？咱们设想有个黑盒，把这四个指标扔进去相互做用以后，获得一个结果，这个结果就是最低价。

    那么，这些因子对最低价产生的怎样的影响呢？多是线性的、也多是非线性的，咱们不得而知。中间的盒子，咱们能够把他当成一个函数F，反正一堆参数进去，求得了一个值，因而，

【最低价】=F（投放指标数，有效编码数，第一次播报均价，第二次播报均价），那么函数F究竟是什么呢？咱们不知道，可是咱们有历史数据，神经网络能够逼近任意的函数，咱们就来逼近一下试试。

    咱们整理一下数据集：

    

    用weka的多层感知机来构建一个神经网络。

   学习率设为0.001，迭代500000次，获得以下结果，已经在数据集上逼近了一个函数。

 

5、预测

    将训练好的模型保存下来，复制到Java Project，写个测试代码。

@Test
	public void testMultilayerPerceptron() throws Exception {
		MultilayerPerceptron mp = (MultilayerPerceptron) SerializationHelper
				.read(getClass().getResource("/").getPath() + "/weka/model/cp.model");
		ArffLoader headLoader = new ArffLoader();
		headLoader.setFile(new File("weka/model/cp_head.arff"));
		Instances testDataSet = headLoader.getDataSet();
		testDataSet.setClassIndex(testDataSet.numAttributes() - 1);
		Instance testInstance = new DenseInstance(testDataSet.numAttributes());
		testInstance.setDataset(testDataSet);
		testInstance.setValue(0, 1187);
		testInstance.setValue(1, 2600);
		testInstance.setValue(2, 30726);
		testInstance.setValue(3, 31023);
		System.out.println(mp.classifyInstance(testInstance));
   }

    2017年3月26号，杭州车牌竞价，指标投放数1187，两次播报平均价分别为3072六、31023，惟一不知道的因子是有效编码数，对于有效编码数咱们推测一下，2017年2月为2539，可能因为春节的缘由你们注意力不在车牌上面，那么本月，人数应该会增多，咱们以2600或者2700来估算一下。

    当有效编码数为2600时，预测最低价为：35251.22

    当有效编码数为2700时，预测最低价为：35986.43

    实际上今天出来的最低成交价为：34300，与预测结果出入不大。同时基于34300这个结果，咱们预测一下本月的有效编码数：2460。今天结果还没出来，等结果出来，咱们验证一下。

特别说明：cp_head.arff是为了构建测试集而用，其实是对特征数据类型的定义，定义以下：

@relation cp

@attribute a numeric
@attribute b numeric
@attribute c numeric
@attribute d numeric
@attribute r numeric

@data

6、总结

    预测值与实际值相差不大，效果差强人意，数据实际上能够反映人对客观事物价值的评价，人的内心活动，同时也反映了人对一个事物的纠结万分与考虑再三的思考与计算……

    以前在某本书上看过一句话：世间万物皆显偶然之态，但远比想象的容易预测。

 

---------------------------------------------------------------------------------------------------------

快乐源于分享。

此博客乃做者原创， 转载请注明出处