Download presentation
Presentation is loading. Please wait.
1
應用資料探勘於網路拍賣價格預測與交易成功機率預測?之研究 資訊管理研究所
應用資料探勘於網路拍賣價格預測與交易成功機率預測?之研究 資訊管理研究所 口試教授: 耿伯文 老師 指導教授: 吳植森 老師 研究生: 黃俊華 2017/4/17
2
研究動機 目前沒有交易網站能幫消費者預測一個最佳的結標價格、交易成功因素評估，或是幫商品拍賣者建議一個購買的價格等 2017/4/17
3
研究目的 預測商品的結標價格 賣方登錄拍賣商品時，會自動搜尋過去的歷史交易紀錄而產生建議購買價格等 評估影響交易成功之因素
交易天數評估與改善 2017/4/17
4
研究範圍與限制 僅為線上交易網站，並以Yahoo、eBay等為例，而非所有型態的網站(如聊天室、個人網頁等)
只針對某項商品做研究(本研究以手機為主) 2017/4/17
5
研究範圍與限制 只考慮競價次數有在10次以上的商品作探討 此一預測的方式，不能夠進行在個人價值觀過重的拍賣產品上 2017/4/17
6
2017/4/17
7
2017/4/17
8
資料擷取流程 2017/4/17
9
2017/4/17
10
2017/4/17
11
研究步驟四：應用Bagging與倒傳遞類神經網路(BPN)的方法來分析資料
2017/4/17
12
Bagging (1/2) Bagging是學者Nilsson在1965年就提出委員會機器(Committee Machine)的概念，其目的是為了提昇簡單學習法(weak learner)所建構之分類器效能 Bagging 主要是利用Bootstrap方式，以置回重複隨機抽取方式，從原始資料集合中選取與原集合相同數量的資料點產生多個訓練集合並加以分析 2017/4/17
13
Bagging (2/2) 2017/4/17
14
2017/4/17
15
2017/4/17
16
研究資料 本研究利用代理人(Agent)取得eBay與Yahoo的公開競價資訊，以時間為單位，從2006年的1月24日的資料至2003年2月28日的資料，一共為期35日的競價週期，所得資料一共有1100筆的競價紀錄資料 另外為了預測交易的成功率故其中的100筆為失敗的交易記錄，因此總共有1100筆的實際成交資料筆數 2017/4/17
17
本研究所關切的資料(1/2) 價格差異幅度(賣方期望的價格與實際成交價格的差異) 起標價格 競標時間 競標次數 交易天數 直接購買價
2017/4/17
18
本研究所關切的資料(2/2) 預測購買價格 預測結標價格 交易成功與否的因素 交易天數 2017/4/17
19
2017/4/17
20
2017/4/17
21
Bagging 預測 在蒐集與整理完資料後便是利用Bagging來預測分析,而其分析結果如下 2017/4/17
22
2017/4/17
23
2017/4/17
24
2017/4/17
25
2017/4/17
26
BPN vs Bagging 用Bagging預測完購買與結標價格後接下來便是用倒傳遞類神經網路(BPN)預測以比較分析BPN與Bagging的分析效能 2017/4/17
27
2017/4/17
28
2017/4/17
29
2017/4/17
30
Bagging與BPN分析小結 從以上分析可以得知BPN與Bagging在預測價格方面都有良好的結果
2017/4/17
31
評估影響交易成功之因素 本研究的另一個目的，也就是分析交易失敗的例子，藉此找出交易成功與失敗的關係因素以提升交易的成功率。而在分析失敗的例子中多加入了幾項屬性,分別是 賣方的信用度(Seller’s credit) 賣方心中的期望價格(Seller’s expected value) 交易是否成功(Deal) 2017/4/17
32
2017/4/17
33
J48決策樹分析 J48方法可用來產生實驗用之決策樹(Witten & Frank, 2000)
J48方法係以Java語言來撰寫之決策樹歸納學習系統，其內處理方式相同於Quinlan(1992)的C4.5方法 Weka 機器學習系統提供一般用途的自動化分類、迴歸、聚集和屬性選取等功能，它可應用於解決資料探勘(Data Mining)的問題(Frank et. al., 2004) 2017/4/17
34
2017/4/17
35
2017/4/17
36
J48路徑說明 路徑一：若最後交易的成交價與賣方心中所期望的價格相差大於969則交易可能失敗。
路徑二：若最後交易的成交價與賣方心中所期望的價格相差小於等於969且賣方的信用度小於等於72則交易可能失敗。 路徑三：若最後交易的成交價與賣方心中所期望的價格相差小於等於969且賣方的信用度大於72且最後的成交價小於等於461.0則交易可能失敗。 路徑四：若最後交易的成交價與賣方心中所期望的價格相差小於等於969且賣方的信用度大於72且最後的成交價大於461.0則交易可能成功。 2017/4/17
37
2017/4/17
38
交易天數評估與改善 交易天數是賣方在拍賣商品時自行決定的，然而，交易天數定的好壞也會影響整個交易的結果
定的太少天，則可能無法讓多數的買方獲知該項商品的資訊而喪失了獲取更高售價的機會，但是，如果定的太多天則又有可能浪費時間和資源 2017/4/17
39
2017/4/17
40
2017/4/17
41
交易浪費天數 從圖中我們可以發現在浪費天數(Waste Days)中，沒有浪費交易天數的有978筆、浪費一天的有18筆、浪費2天的有30筆、浪費三天的有19筆、浪費四天的有16筆、浪費五天的有19筆、浪費六天的有9筆、浪費七天的有8筆、浪費八天的有4筆，也就是說浪費天數在三天以上的有75筆 2017/4/17
42
2017/4/17 inst#, actual, predicted, error 1 0 0 0 2 0 0 0 3 0 0 0
2017/4/17
43
表4-10 J48交易天數正確率評估 === Evaluation on training set ===
=== Summary === Correctly Classified Instances % Incorrectly Classified Instances % 2017/4/17
44
小結 在資料分析的過程中及決策樹我們可以發現競價次數與實際交易天數有相當的關係，越少次的競價次數其實際交易的浪費天數越可能偏高，而如果競價次數少，競價天數又定的太多天則其浪費天數越是明顯，因此賣方可以參考競價次數來調整自己的交易天數 2017/4/17
45
未來研究建議 (1/2) 可以利用不同類別的產品進行比較與研究顧客的競價行為，以發掘顧客在面對不同的拍賣商品時，心理的價格定位所產生的變化
本研究目前只針對一特定產品(手機)做研究，未來可擴展到其他的商品上 2017/4/17
46
未來研究建議 (2/2) 本研究目前只做到買方與賣方的價格預測、交易成功的評估及建議等，未來則可朝其他更多的交易功能著手研究，例如：提供一個動態地圖可以讓買方隨時查詢自己所購買的商品目前的位置以隨時掌握商品動向等。 本研究只提出一個方法論(Methodology) ，而無其雛型系統(Prototype)，所以未來可以考慮結合系統(System)與方法(Method)以形成一個完整的拍賣交易系統(Auction System)。 2017/4/17
Similar presentations
