價(jià)格預(yù)測(cè)是機(jī)器學(xué)習(xí)領(lǐng)域一個(gè)經(jīng)典的回歸問(wèn)題,因?yàn)槠湓诮鹑凇⑥r(nóng)業(yè)、醫(yī)學(xué)、交通等領(lǐng)域的重要價(jià)值,一直以來(lái)備受學(xué)術(shù)界和工業(yè)界的關(guān)注。常規(guī)的機(jī)器學(xué)習(xí)應(yīng)用問(wèn)題,需要結(jié)合業(yè)務(wù)場(chǎng)景進(jìn)行特征工程方面的工作,隨后進(jìn)行模型的訓(xùn)練與預(yù)測(cè)。同理,要解決價(jià)格預(yù)測(cè)問(wèn)題往往要根據(jù)該問(wèn)題所在的具體領(lǐng)域進(jìn)行詳細(xì)的分析與調(diào)研,提取到跟領(lǐng)域較為相關(guān)的特征,再根據(jù)所提取的特征使用機(jī)器學(xué)習(xí)模型來(lái)進(jìn)行訓(xùn)練,從而可以對(duì)未來(lái)的價(jià)格變化趨勢(shì)做預(yù)測(cè)。因?yàn)檗r(nóng)產(chǎn)品價(jià)格受供求關(guān)系、自然條件、社會(huì)和經(jīng)濟(jì)條件等多種因素的共同影響,其波動(dòng)程度相對(duì)較大,同時(shí)受季節(jié)、節(jié)假日等影響也較大,所以加大了對(duì)農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)的難度。本文使用的數(shù)據(jù)為2017年6月前全國(guó)各大農(nóng)產(chǎn)品市場(chǎng)的價(jià)格數(shù)據(jù),根據(jù)農(nóng)產(chǎn)品的歷史價(jià)格來(lái)預(yù)測(cè)其未來(lái)的價(jià)格變化趨勢(shì),主要從以下幾個(gè)方面進(jìn)行預(yù)測(cè)研究:(1)首先,本文對(duì)得到的農(nóng)產(chǎn)品數(shù)據(jù)進(jìn)行了數(shù)據(jù)處理和分析,通過(guò)使用箱線圖、條形圖分析數(shù)據(jù)集得到農(nóng)產(chǎn)品價(jià)格的分布情況,為后續(xù)的特征提取做好準(zhǔn)備。(2)在特征工程方面,本文根據(jù)農(nóng)產(chǎn)品數(shù)據(jù)的分布特點(diǎn),從統(tǒng)計(jì)特征、地域特征、季節(jié)特征等入手,從16個(gè)類(lèi)別的農(nóng)產(chǎn)品數(shù)據(jù)中提取了6大特征群,共136維特征。(3)提取好特征群后,本文使用主流的回歸預(yù)測(cè)模型(線性回歸、支持向量機(jī)、隨機(jī)森林等)進(jìn)行模型訓(xùn)練及單模型價(jià)格預(yù)測(cè)。通過(guò)分析不同參數(shù)情況下的評(píng)測(cè)函數(shù)的變化對(duì)模型進(jìn)行了參數(shù)調(diào)優(yōu)。(4)本文提出了一種分段的加權(quán)平均融合模型,該模型用于農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)中,可以根據(jù)線性單模型的不同預(yù)測(cè)結(jié)果來(lái)采用不同的加權(quán)方式,并且吸收了不同單模型在樣本空間的預(yù)測(cè)優(yōu)點(diǎn)。實(shí)驗(yàn)表明,在MSE與MAPE指標(biāo)下,本文提出的應(yīng)用于農(nóng)產(chǎn)品數(shù)據(jù)加權(quán)平均融合方法可以結(jié)合不同單模型的特點(diǎn),其預(yù)測(cè)準(zhǔn)確度優(yōu)于單模型,加以推廣也可應(yīng)用于其他領(lǐng)域的價(jià)格預(yù)測(cè)。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP181;F323.7
【部分圖文】：

第 3 章 影響農(nóng)產(chǎn)品價(jià)格的主要因素及特征提取場(chǎng)，3465 種農(nóng)產(chǎn)品品種。2.1 數(shù)據(jù)分析本文使用箱線圖來(lái)對(duì)數(shù)據(jù)的分布情況進(jìn)行處理和分析。因?yàn)橄渚�圖可以據(jù)的上四分位數(shù)，下四分位數(shù)，中位數(shù)，最大值和最小值，對(duì)數(shù)據(jù)的刻畫(huà)強(qiáng)，利于觀察數(shù)據(jù)的異常值。本文所使用的數(shù)據(jù)集中，不同農(nóng)產(chǎn)品的價(jià)格箱線圖來(lái)表示，如圖 3.1 所示。

圖 3.2 不同農(nóng)產(chǎn)品的數(shù)據(jù)量大小從圖 3.2 可以看出，蔬菜類(lèi)別數(shù)據(jù)量最大，共有 180 多萬(wàn)條。因此在預(yù)品價(jià)格的過(guò)程中需要著重考慮蔬菜品類(lèi)農(nóng)產(chǎn)品。圖 3.3 和圖 3.4 分別為蔬和水產(chǎn)品類(lèi)的價(jià)格分布圖，反映了價(jià)格的幾種分布，可以看出蔬菜品類(lèi)的要分布在 50 元以下，而水產(chǎn)品類(lèi)的價(jià)格主要分布在 200 元以下。

圖 3.2 不同農(nóng)產(chǎn)品的數(shù)據(jù)量大小從圖 3.2 可以看出，蔬菜類(lèi)別數(shù)據(jù)量最大，共有 180 多萬(wàn)條。因此在預(yù)品價(jià)格的過(guò)程中需要著重考慮蔬菜品類(lèi)農(nóng)產(chǎn)品。圖 3.3 和圖 3.4 分別為蔬和水產(chǎn)品類(lèi)的價(jià)格分布圖，反映了價(jià)格的幾種分布，可以看出蔬菜品類(lèi)的要分布在 50 元以下，而水產(chǎn)品類(lèi)的價(jià)格主要分布在 200 元以下。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊子山;;2012/2013年度世界棉花供求、消費(fèi)與價(jià)格預(yù)測(cè)[J];中國(guó)棉花;2013年06期

2 張化中;;探索價(jià)格預(yù)測(cè)規(guī)律 為科學(xué)價(jià)格決策服務(wù)——價(jià)格預(yù)測(cè)特點(diǎn)、原則及應(yīng)努力做好的主要工作[J];價(jià)格理論與實(shí)踐;2012年06期

3 趙平;;2009—2030年原油價(jià)格預(yù)測(cè)[J];國(guó)外油田工程;2010年11期

4 張華偉;沈萍;;煤炭?jī)r(jià)格預(yù)測(cè)系統(tǒng)模型的構(gòu)建[J];煤炭經(jīng)濟(jì)研究;2009年09期

5 張化中;;積極探索 勇于實(shí)踐 不斷提高價(jià)格預(yù)測(cè)能力和水平——對(duì)當(dāng)前價(jià)格預(yù)測(cè)工作的幾點(diǎn)思考[J];價(jià)格理論與實(shí)踐;2009年12期

6 蘭興華;;2007-2008年基本金屬價(jià)格預(yù)測(cè)——路透社的調(diào)查[J];中國(guó)金屬通報(bào);2007年13期

7 ;2004年上半年部分農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)[J];農(nóng)村養(yǎng)殖技術(shù);2004年06期

8 王征兵;2004年上半年部分農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)[J];農(nóng)村實(shí)用技術(shù)與信息;2004年01期

9 陳建中;;投入產(chǎn)出分析法在價(jià)格預(yù)測(cè)中的應(yīng)用[J];預(yù)測(cè);1987年03期

10 夏瓊英;;1987—2000年世界鈾消耗的預(yù)測(cè)[J];國(guó)外核新聞;1987年09期

相關(guān)博士學(xué)位論文 前7條

1 戴相全;鎳的價(jià)格預(yù)測(cè)與采購(gòu)模型及其應(yīng)用研究[D];東北大學(xué);2015年

2 顏七笙;基于智能計(jì)算和混沌理論的鈾價(jià)格預(yù)測(cè)研究[D];江南大學(xué);2014年

3 高爽;基于數(shù)據(jù)流學(xué)習(xí)的國(guó)際石油價(jià)格預(yù)測(cè)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2016年

4 張立杰;棉花價(jià)格研究及預(yù)測(cè)[D];天津大學(xué);2012年

5 季托;國(guó)際石油價(jià)格波動(dòng)行為機(jī)理及預(yù)測(cè)模型研究[D];東北石油大學(xué);2011年

6 劉銘;若干混合智能計(jì)算方法及應(yīng)用研究[D];吉林大學(xué);2014年

7 王桂紅;農(nóng)產(chǎn)品市場(chǎng)價(jià)格web信息分析方法研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 馬雪姣;基于支持向量回歸機(jī)模型的價(jià)格預(yù)測(cè)[D];鄭州大學(xué);2018年

2 朱艷;中國(guó)棉花價(jià)格影響因素的分析及價(jià)格預(yù)測(cè)[D];東華大學(xué);2018年

3 吳迪;滬深300股指期貨價(jià)格預(yù)測(cè)研究[D];沈陽(yáng)工業(yè)大學(xué);2018年

4 田瑾;多因素作用下南寧市房地產(chǎn)價(jià)格預(yù)測(cè)研究[D];廣西大學(xué);2018年

5 費(fèi)凡;基于模型融合的農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)研究[D];吉林大學(xué);2018年

6 鞠鐵鑫;基于統(tǒng)計(jì)分析的航班價(jià)格變化差異性問(wèn)題研究[D];黑龍江大學(xué);2018年

7 王雙;機(jī)票價(jià)格預(yù)測(cè)技術(shù)的研究與實(shí)現(xiàn)[D];中國(guó)民航大學(xué);2013年

8 杜曉芳;建筑價(jià)格預(yù)測(cè)研究[D];西安科技大學(xué);2006年

9 李自珍;基于神經(jīng)網(wǎng)絡(luò)的期貨價(jià)格預(yù)測(cè)與模型實(shí)現(xiàn)[D];首都師范大學(xué);2008年

10 白仲才;中國(guó)煤炭需求分析與價(jià)格預(yù)測(cè)[D];復(fù)旦大學(xué);2008年

本文編號(hào)：2842332