论文部分内容阅读
在人们生活水平的不断提高的今天,市民的日常需求较以往有很大的不同,开始追求生活质量,对于生鲜类的商品,愈来愈多的人会选择去超市或者专门的生鲜专营店进行购买。所以近年来超市中生鲜商品的经营地位不断地提升,同时也诞生一些在生鲜方面做得比较出色的超市和门店,于是在生鲜商品的定价方面,如何定一个合理的价格才能吸引更多的顾客和得到更多盈利是多数经营者需要考虑的问题。如果能够通过一定的研究方法,使用历史的数据,将超市工作人员对生鲜定价经验转化成特定模型,即输入一些已知信息可输出商品的最终价格,则可以省去人工定价的麻烦,提高工作效率。本文的研究目的为通过对福州某超市一家门店2017年上半年的生鲜商品历史交易数据的分析,找出影响价格变动的特征,利用多种研究方法建立生鲜商品的定价模型,主要工作内容包括以下几方面:1)我们利用这些交易数据分析商品价格变化的规律以及可能影响价格变动的因素,同时对于这些因素进行特征分析包含异常值的检测、缺失值处理等。2)在选择合适的特征之后,使用了普通线性回归、逻辑回归、K近邻、随机森林、XGBOOST等方法进行建模,对生鲜商品的价格进行预测,并且使用了一些检验方法评价模型的性能。分析结果表明,线性回归方法不适用于预测生鲜商品的价格,相对而言,其他几种机器学习方法可以取得较好的预测效果。3)由于生鲜商品的价格事实上是一种(按商品销售时间先后顺序排列组成的)时间序列,本文还结合周期性模型等,采用ARIMA模型和乘积季节模型两种时间序列方法进行分析建模,分析结果显示考虑周期效应的模型的拟合效果较好。