一种基于数据与AI驱动的产品价格预测方法技术

本发明专利技术公开一种基于数据与AI驱动的产品价格预测方法，应用于数据处理领域，基于现有技术存在产品价格预测困难且预测结果不准确的问题，本发明专利技术首先对产品价格数据进行搜集与整合，建立产品价格数据集；然后通过对原始数据的探索性分析与处理，包括数据的缺失检测、清洗、分布重塑、共线性过滤等处理操作，保证了数据特征点与待预测值具有相似的趋势，有效提升了数据集的完整性和可使用性；通过使用基于决策树生成算法的特征筛选方法，在数据处理的基础上，进一步提升了特征点对待预测值的表征效果。效果。效果。

【技术实现步骤摘要】
一种基于数据与AI驱动的产品价格预测方法


[0001]本专利技术属于数据处理领域，特别涉及一种产品价格预测技术。

技术介绍

[0002]产品价格是决定交易成败的重要因素，价格关系到利益在买卖双方之间的分配，一旦双方在价格问题上不能达成一致意见，交易就不可能成功。随着竞争的加剧和客户需求的多样化，使得大规模定制成为制造业的发展方向，在大规模定制环境下，几乎每个客户的订单都具有个性化的特点，产品的可重复性低，加大了产品定价的复杂性。因此，合理预测产品的价格对于企业抢占先机、赢得市场等方面具有十分积极的现实意义。
[0003]国内外学者对产品价格的预测方法进行了大量研究，归结起来主要有基于成本的价格预测与基于参数的价格预测。
[0004]基于成本的价格预测通过计算设备的各种详细成本得到产品价格预测，具有较高的准确性，但价格预测工作量大、速度慢。
[0005]基于参数的价格预测通过建立产品特性、工艺信息、资源需求和成本之间的关系，用参数化估算方法得到产品价格预测。该方法在价格预测速度方面有所提高，但是选择恰当的成本驱动参数比较困本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据与AI驱动的产品价格预测方法，其特征在于，包括：S1、首先对产品价格数据进行搜集与整合，建立产品价格数据集；S2、对数据集进行探索性分析与处理；S3、建立产品价格预测模型，使用处理好的数据集进行模型的训练；所述产品价格预测模型包括：数据编码层、特征筛选层、神经网络预测层、结果平衡层以及输出层；所述数据编码层将经步骤S2处理后的数据转化为数值型变量；特征筛选层基于数值型变量计算数据集中每个特征项的信息增益值，从而筛选出重要的特征；将筛选后的数据集输入神经网络预测层，得到预测结果；将预测结果输入结果平衡层，得到的平衡结果经输出层转化为产品标识ID与预测价格一一对应的格式进行输出；S4、使用训练好的产品价格预测模型，对待预测的产品数据进行价格预测。2.根据权利要求1所述的一种基于数据与AI驱动的产品价格预测方法，其特征在于，步骤S2的实现过程为：S21、对数据集中存在的缺失和异常值进行检查、分析、填补和清洗；S22、分别计算每个数据项的偏度Skew(X)及峰度Kurt(X)，选择使偏度值和峰度值最接近0的分布重塑算法对该项数据进行分布重塑；S23、分别计算两两数据间的相关系数，当相关系数大于0.5时，选择其中完整度较高的数据进行保留；否则同时保留2个数据。3.根据权利要求2所述的一种基于数据与AI驱动的产品价格预测方法，其特征在于，步骤S21具体为：对于存在异常值的数据和完整度小于50％的数据项进行删除，对于完整度大于或等于50％的数据项根据其数据类型选择填充策略进行填充。4.根据权利要求3所述的一种基于数据与AI驱动的产品价格预...

【专利技术属性】
技术研发人员：廖伟智，周佳瑞，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：